Computer Vision for Autonomous Driving - Plan Szkolenia

Szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do zaawansowanych inżynierów robotyki i badaczy AI, którzy chcą wdrożyć zaawansowane algorytmy planowania trasy w celu poprawy wydajności pojazdów autonomicznych.

Pod koniec szkolenia uczestnicy będą mogli:

• Zrozumieć teoretyczne podstawy zaawansowanych algorytmów planowania trasy.
• Wdrożyć algorytmy takie jak RRT*, A* i D* do nawigacji w czasie rzeczywistym.
• Optymalizować planowanie trasy pod kątem unikania przeszkód i dynamicznych środowisk.
• Integrować algorytmy planowania trasy z danymi z czujników w celu zwiększenia dokładności.
• Oceniać wydajność różnych algorytmów w praktycznych scenariuszach.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu), jest skierowane do zaawansowanych naukowców zajmujących się danymi, specjalistów AI oraz developerów AI w branży motoryzacyjnej, którzy chcą budować, trenować i optymalizować modele AI dla aplikacji związanych z autonomiczną jazdą.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy AI i uczenia głębokiego w kontekście pojazdów autonomicznych.
• Wdrożyć techniki przetwarzania obrazu do wykrywania obiektów w czasie rzeczywistym i śledzenia pasa ruchu.
• Wykorzystać uczenie ze wzmocnieniem do podejmowania decyzji w systemach samochodów autonomicznych.
• Zintegrować techniki fuzji danych z czujników dla lepszej percepcji i nawigacji.
• Budować modele uczenia głębokiego do przewidywania i analizowania scenariuszy jazdy.

To prowadzone przez instruktora, interaktywne szkolenie (online lub stacjonarne) skierowane jest do zaawansowanych inżynierów ds. bezpieczeństwa oraz specjalistów ds. bezpieczeństwa samochodowego, którzy chcą opracować kompleksowe strategie bezpieczeństwa dla pojazdów autonomicznych, w tym analizę zagrożeń, ocenę bezpieczeństwa funkcjonalnego oraz zapewnienie zgodności z międzynarodowymi normami.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Identyfikować i oceniać zagrożenia dla bezpieczeństwa związane z autonomią pojazdów.
• Przeprowadzać analizę zagrożeń i ocenę ryzyka zgodnie z obowiązującymi standardami branżowymi.
• Wdrażać metody walidacji i weryfikacji bezpieczeństwa systemów AV.
• Stosować standardy bezpieczeństwa funkcjonalnego, takie jak ISO 26262 i SOTIF.
• Opracowywać strategie łagodzenia ryzyka związanego z wyzwaniami w zakresie bezpieczeństwa AV.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do początkujących specjalistów, którzy chcą zgłębić dylematy etyczne i ramy prawne dotyczące pojazdów autonomicznych.

Pod koniec szkolenia uczestnicy będą w stanie:

• Zrozumieć implikacje etyczne związane z podejmowaniem decyzji przez sztuczną inteligencję w pojazdach autonomicznych.
• Przeanalizować globalne ramy prawne i polityki regulujące samochody autonomiczne.
• Zbadać kwestię odpowiedzialności i rozliczalności w przypadku wypadków z udziałem pojazdów autonomicznych.
• Ocenić równowagę między innowacją a bezpieczeństwem publicznym w przepisach dotyczących jazdy autonomicznej.
• Omówić rzeczywiste studia przypadków dotyczące dylematów etycznych i sporów prawnych.

Ten szkolenie prowadzone przez instruktora w Polsce (online lub stacjonarne) jest skierowane do początkujących pracowników służb prawnych, którzy chcą przejść od ręcznego rysowania portretów do wykorzystywania narzędzi AI do tworzenia systemów rozpoznawania twarzy.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy Sztucznej Inteligencji i Machine Learning.
• Nauczyć się podstaw obróbki cyfrowych obrazów i ich zastosowania w rozpoznawaniu twarzy.
• Rozwinąć umiejętności w używaniu narzędzi i ram AI do tworzenia modeli rozpoznawania twarzy.
• Zdobyć doświadczenie praktyczne w tworzeniu, trenowaniu i testowaniu systemów rozpoznawania twarzy.
• Zrozumieć etyczne aspekty i najlepsze praktyki w używaniu technologii rozpoznawania twarzy.

Fiji to otwarte oprogramowanie do przetwarzania obrazów, które zawiera ImageJ (program do przetwarzania obrazów naukowych wielowymiarowych) oraz wiele wtyczek do analizy obrazów naukowych.

W tym szkoleniu prowadzonym przez instruktora uczestnicy nauczą się korzystać z dystrybucji Fiji i jej podstawowego programu ImageJ, aby stworzyć aplikację do analizy obrazów.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Korzystać z zaawansowanych funkcji programistycznych i komponentów oprogramowania Fiji, aby rozszerzyć ImageJ
• Łączyć duże 3D obrazy z nakładających się kafelków
• Automatycznie aktualizować instalację Fiji podczas uruchamiania za pomocą wbudowanego systemu aktualizacji
• Wybierać spośród szerokiego wachlarza języków skryptowych, aby tworzyć niestandardowe rozwiązania do analizy obrazów
• Korzystać z potężnych bibliotek Fiji, takich jak ImgLib na dużych zestawach danych bioobrazowych
• Wdrażać swoją aplikację i współpracować z innymi naukowcami nad podobnymi projektami

Format kursu

• Interaktywna prezentacja i dyskusja.
• Wieloćwiczeń i ćwiczeń praktycznych.
• Praktyczna implementacja w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o dostosowanie szkolenia do indywidualnych potrzeb, prosimy o kontakt z nami.

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub stacjonarnie) jest skierowane do początkujących i średnio zaawansowanych badaczy oraz profesjonalistów laboratoryjnych, którzy chcą przetwarzać i analizować obrazy związane z tkankami histologicznymi, komórkami krwi, glonami i innymi próbkami biologicznymi.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Przeglądać interfejs Fiji i wykorzystywać podstawowe funkcje ImageJ.
• Wstępnie przetwarzać i poprawiać obrazy naukowe w celu lepszej analizy.
• Analizować obrazy ilościowo, w tym zliczanie komórek i pomiar powierzchni.
• Automatyzować powtarzające się zadania przy użyciu makr i wtyczek.
• Dostosowywać przepływy pracy do konkretnych potrzeb analizy obrazów w badaniach biologicznych.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do początkujących profesjonalistów i entuzjastów, którzy chcą zrozumieć podstawowe koncepcje, technologie i zastosowania pojazdów autonomicznych.

Pod koniec szkolenia uczestnicy będą mogli:

• Zrozumieć kluczowe komponenty i zasady działania pojazdów autonomicznych.
• Poznać rolę sztucznej inteligencji, czujników i przetwarzania danych w czasie rzeczywistym w systemach samochodowych.
• Przeanalizować różne poziomy autonomii pojazdów i ich zastosowania w rzeczywistym świecie.
• Zbadać aspekty etyczne, prawne i regulacyjne związane z mobilnością autonomiczną.
• Zyskać praktyczne doświadczenie w symulacjach pojazdów autonomicznych.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do zaawansowanych specjalistów od fuzji czujników i inżynierów AI, którzy chcą rozwijać algorytmy fuzji wielu czujników i optymalizować nawigację w czasie rzeczywistym w systemach autonomicznych.

Po zakończeniu szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy i wyzwania związane z fuzją danych z wielu czujników.
• Zaimplementować algorytmy fuzji czujników dla autonomicznej nawigacji w czasie rzeczywistym.
• Zintegrować dane z LiDAR, kamer i RADAR w celu poprawy percepcji.
• Analizować i oceniać wydajność systemu fuzji w różnych warunkach.
• Opracować praktyczne rozwiązania do redukcji szumów czujników i wyrównywania danych.

OpenCV (Open Source Computer Vision Library: http://opencv.org) to biblioteka open-source na licencji BSD, która zawiera kilkaset algorytmów przetwarzania obrazu.

Grupa docelowa

Kurs skierowany jest do inżynierów i architektów, którzy chcą wykorzystać OpenCV w projektach związanych z przetwarzaniem obrazu.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla inżynierów oprogramowania, którzy chcą programować w Python z OpenCV 4 do głębokiego uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli

• Przeglądać, ładować i klasyfikować obrazy i filmy za pomocą OpenCV 4.
• Wdrożyć głębokie uczenie w OpenCV 4 z TensorFlow i Keras.
• Uruchamiać modele głębokiego uczenia i generować wpływowe raporty z obrazów i filmów.

Pattern Matching to technika używana do lokalizowania określonych wzorców na obrazie. Może być używana do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie w linii produkcyjnej lub określonych wymiarów komponentu. Różni się od "Pattern Recognition" (który rozpoznaje ogólne wzorce w oparciu o większe zbiory powiązanych próbek) tym, że konkretnie określa, czego szukamy, a następnie mówi nam, czy oczekiwany wzorzec istnieje, czy nie.

Format kursu

• Kurs ten wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów na poziomie średnio zaawansowanym, profesjonalistów z branży motoryzacyjnej oraz specjalistów IoT, którzy chcą zrozumieć rolę czujników w samochodach autonomicznych, obejmując LiDAR, radar, kamery oraz techniki fuzji czujników.

Pod koniec szkolenia uczestnicy będą w stanie:

• Zrozumieć różne typy czujników stosowanych w pojazdach autonomicznych.
• Analizować dane z czujników w celu percepcji i podejmowania decyzji w czasie rzeczywistym.
• Wdrażać techniki fuzji czujników w celu poprawy dokładności i bezpieczeństwa pojazdu.
• Optymalizować rozmieszczenie i kalibrację czujników w celu poprawy wydajności jazdy autonomicznej.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do profesjonalistów na poziomie średniozaawansowanym, którzy chcą używać Vision Builder AI do projektowania, wdrażania i optymalizacji zautomatyzowanych systemów inspekcji dla procesów SMT (Surface-Mount Technology).

Po zakończeniu szkolenia uczestnicy będą w stanie:

• Konfigurować i ustawiać zautomatyzowane inspekcje przy użyciu Vision Builder AI.
• Pozyskiwać i przetwarzać wysokiej jakości obrazy do analizy.
• Wdrażać decyzje oparte na logice do wykrywania wad i walidacji procesów.
• Generować raporty z inspekcji i optymalizować wydajność systemu.