Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wstęp do AI w pojazdach autonomicznych
- Rozumienie poziomów autonomicznej jazdy i integracji AI
- Przegląd frameworków i bibliotek AI stosowanych w pojazdach autonomicznych
- Trendy i innowacje w autonomiczności pojazdów opartej na AI
Podstawy uczenia głębokiego w pojazdach autonomicznych
- Architektury sieci neuronowych dla samochodów autonomicznych
- Konwolucyjne sieci neuronowe (CNN) do przetwarzania obrazów
- Rewersyjne sieci neuronowe (RNN) do danych temporalnych
Widzenie komputerowe w pojazdach autonomicznych
- Wykrywanie obiektów za pomocą YOLO i SSD
- Techniki wykrywania pasów ruchu i podążania za drogą
- Segmentacja semantyczna do percepcji otoczenia
Uczenie z wzmocnieniem do decyzji w trakcie jazdy
- Procesy decyzyjne Markowa (MDP) w pojazdach autonomicznych
- Trenowanie modeli głębokiego uczenia z wzmocnieniem (DRL)
- Uczenie oparte na symulacji dla polityk jazdy
Łączenie danych z czujników i percepcja
- Integracja danych z LiDAR, RADAR i kamer
- Filtrowanie Kalmana i techniki łączenia danych z czujników
- Przetwarzanie danych z wielu czujników do mapowania otoczenia
Modele uczenia głębokiego do przewidywań w trakcie jazdy
- Tworzenie modeli przewidywania zachowań
- Prognozowanie trajektorii do unikania przeszkód
- Rozpoznawanie stanu kierowcy i jego intencji
Ewaluacja i optymalizacja modeli
- Miary dokładności i wydajności modeli
- Techniki optymalizacji do realizacji w czasie rzeczywistym
- Wdrażanie wytrenowanych modeli na platformach pojazdów autonomicznych
Studium przypadków i zastosowania w praktyce
- Analiza incydentów związanych z pojazdami autonomicznymi i wyzwań bezpieczeństwa
- Eksploracja udanych wdrożeń systemów jazdy opartych na AI
- Projekt: Tworzenie modelu AI do podążania za pasem ruchu
Wymagania
- Umiejętność programowania w Pythonie
- Doswiadczenie w obsłudze frameworków do uczenia maszynowego i uczenia głębokiego
- Znajomość technologii motoryzacyjnych i widzenia komputerowego
Grupa docelowa
- Naukowcy ds. danych dążący do pracy przy aplikacjach do jazdy autonomicznej
- Specjaliści AI koncentrujący się na rozwoju systemów AI w motoryzacji
- Deweloperzy zainteresowani technikami uczenia głębokiego dla samochodów autonomicznych
21 godzin