Artificial Intelligence (AI) for Mechatronics - Plan Szkolenia

Kurs obejmuje sztuczną inteligencję (z naciskiem na Machine Learning i głębokie uczenie) w przemyśle motoryzacyjnym. Pomaga określić, która technologia może być (potencjalnie) wykorzystywana w wielu sytuacjach w samochodzie: od prostej automatyzacji, rozpoznawania obrazu po autonomiczne podejmowanie decyzji.

Kurs ten został stworzony dla menadżerów, architektów, analityków biznesowych i systemowych, menedżerów oprogramowania oraz wszystkich zainteresowanych przeglądem stosowania sztucznej inteligencji i prognozą dla jej rozwoju.

This instructor-led, live training in Polsce (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.

By the end of this training, participants will be able to:

• Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
• Write and understand procedural, functional, and object-oriented programming code.
• Implement machine learning techniques such as classification, clustering, and neural networks.
• Develop AI solutions using rules engines and expert systems for problem-solving.

Sztuczna sieć neuronowa to obliczeniowy model danych wykorzystywany w rozwoju Artificial Intelligence (AI) systemów zdolnych do wykonywania "inteligentnych" zadań. Neural Networks są powszechnie używane w aplikacjach Machine Learning (ML), które same w sobie są jedną z implementacji sztucznej inteligencji. Deep Learning jest podzbiorem ML.

This instructor-led, live training in Polsce (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

Usługa Azure Bot Service łączy w sobie moc funkcji Microsoft Bot Framework i Azure, aby umożliwić szybkie tworzenie inteligentnych botów.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak łatwo stworzyć inteligentnego bota przy użyciu platformy Microsoft Azure.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Nauczyć się podstaw inteligentnych botów
• Nauczyć się tworzyć inteligentne boty za pomocą aplikacji chmurowych
• Zrozumieć, jak korzystać z Microsoft Bot Framework, z Bot Builder SDK i z usługą Azure Bot Service
• Zrozumieć, jak projektować boty za pomocą wzorców botów
• Rozwinąć swojego pierwszego inteligentnego bota przy użyciu Microsoft Azure

Uczestnicy

• Developerzy
• Hobbyści
• Inżynierowie
• Specjaliści IT

Format kursu

• Część wykładu, część dyskusji, ćwiczenia oraz intensywna praktyka rączna

This instructor-led, live training in Polsce (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

Bot lub chatbot jest jak asystent komputerowy, który służy do automatyzacji interakcji użytkownika na różnych platformach komunikacyjnych i szybszego wykonywania zadań bez konieczności rozmowy z innym człowiekiem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak rozpocząć tworzenie bota, przechodząc przez tworzenie przykładowych chatbotów przy użyciu narzędzi i frameworków do tworzenia botów.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć różne zastosowania i aplikacje botów
• Zrozumieć cały proces tworzenia botów
• Poznaj różne narzędzia i platformy używane do tworzenia botów
• Zbudować przykładowego chatbota dla Facebook Messenger
• Zbudować przykładowego chatbota przy użyciu Microsoft Bot Framework

Odbiorcy

• Programiści zainteresowani stworzeniem własnego bota

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Typ: Szkolenie teoretyczne z aplikacjami ustalonymi wcześniej ze studentami na Lasagne lub Keras w zależności od grupy dydaktycznej.

Metoda nauczania: prezentacja, dyskusja i studia przypadków

Sztuczna inteligencja zrewolucjonizowała wiele dziedzin nauki, a obecnie zaczyna rewolucjonizować wiele sektorów gospodarki (przemysł, medycynę, komunikację itp.). Jednak sposób, w jaki jest ona przedstawiana w mediach głównego nurtu, jest często fantazją, daleką od realiów domen Machine Learning i Deep Learning. Celem tego kursu jest zapewnienie inżynierom, którzy już opanowali narzędzia informatyczne (w tym podstawową wiedzę na temat programowania oprogramowania), wprowadzenia do Deep Learning i jego różnych specjalistycznych obszarów, a tym samym do głównych istniejących obecnie architektur sieciowych. Chociaż podstawy matematyczne są przywoływane podczas kursu, poziom matematyki taki jak BAC + 2 jest zalecany dla większego komfortu. Całkowicie możliwe jest pominięcie matematyki w celu zachowania jedynie wizji "systemów", ale takie podejście znacznie ograniczy zrozumienie tematu.

Szkolenie skierowane jest do osób, które chcą poznać podstawy sieci neuronowych i ich zastosowań.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych uczestników, którzy chcą zwiększyć swoje umiejętności w zakresie projektowania, programowania i wdrażania inteligentnych systemów robotycznych do automatyzacji i nie tylko.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumieć zasady Physical AI i jego zastosowania w robotyce i automatyce.
• Projektować i programować inteligentne systemy robotyczne dla dynamicznych środowisk.
• Wdrażać modele AI do autonomicznego podejmowania decyzji w robotach.
• Wykorzystanie narzędzi symulacyjnych do testowania i optymalizacji robotów.
• Podejmowanie wyzwań, takich jak fuzja czujników, przetwarzanie w czasie rzeczywistym i efektywność energetyczna.

Kurs ten jest wprowadzeniem do stosowania sieci neuronowych w rzeczywistych problemach przy użyciu oprogramowania R-project.

Inteligentny robot to system sztucznej inteligencji (AI), który może uczyć się ze swojego środowiska i doświadczenia oraz budować swoje możliwości w oparciu o tę wiedzę. Roboty inteligentne Smart Robots mogą współpracować z ludźmi, pracując obok nich i ucząc się na podstawie ich zachowań. Co więcej, są one w stanie wykonywać nie tylko pracę fizyczną, ale także zadania kognitywne. Oprócz robotów fizycznych, Smart Robots mogą być również oparte wyłącznie na oprogramowaniu, rezydując w komputerze jako aplikacja bez ruchomych części lub fizycznej interakcji ze światem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają różne technologie, ramy i techniki programowania różnych typów mechanicznych Smart Robots, a następnie wykorzystają tę wiedzę do realizacji własnych projektów inteligentnych robotów.

Kurs podzielony jest na 4 sekcje, z których każda składa się z trzech dni wykładów, dyskusji i praktycznego rozwoju robotów w środowisku laboratoryjnym. Każda sekcja zakończy się praktycznym projektem, który pozwoli uczestnikom przećwiczyć i zademonstrować zdobytą wiedzę.

Docelowy sprzęt dla tego kursu będzie symulowany w 3D za pomocą oprogramowania symulacyjnego. Do programowania robotów zostaną wykorzystane ROS (Robot Operating System), C++ i Python.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumienie kluczowych pojęć stosowanych w technologiach robotycznych
• rozumieć i zarządzać interakcją między oprogramowaniem a sprzętem w systemie zrobotyzowanym
• Zrozumienie i wdrożenie komponentów oprogramowania, które stanowią podstawę Smart Robots
• Zbudowanie i obsługa symulowanego mechanicznego inteligentnego robota, który może widzieć, wyczuwać, przetwarzać, chwytać, nawigować i wchodzić w interakcje z ludźmi za pomocą głosu.
• Rozszerzenie zdolności inteligentnego robota do wykonywania złożonych zadań poprzez Deep Learning
• Testowanie i rozwiązywanie problemów inteligentnego robota w realistycznych scenariuszach

Uczestnicy

• Deweloperzy
• Inżynierowie

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby dostosować dowolną część tego kursu (język programowania, model robota itp.), skontaktuj się z nami w celu ustalenia szczegółów.

W tym instruktażowym szkoleniu na żywo w Polsce uczestnicy dowiedzą się, jak wykorzystać innowacje w procesorach TPU, aby zmaksymalizować wydajność własnych aplikacji AI.

Po zakończeniu szkolenia uczestnicy będą w stanie

• Trenowanie różnych typów sieci neuronowych na dużych ilościach danych.
• Użycie procesorów TPU do przyspieszenia procesu wnioskowania nawet o dwa rzędy wielkości.
• Użyj TPU do przetwarzania intensywnych aplikacji, takich jak wyszukiwanie obrazów, widzenie w chmurze i zdjęcia.

Ten kurs rozpoczyna się od przekazania wiedzy koncepcyjnej na temat sieci neuronowych i ogólnie algorytmów uczenia maszynowego, głębokiego uczenia się (algorytmy i aplikacje).

Część 1 (40%) tego szkolenia koncentruje się bardziej na podstawach, ale pomoże ci wybrać odpowiednią technologię: TensorFlow, Caffe, Theano, DeepDrive, Keras itp.

Część 2 (20%) tego szkolenia wprowadza Theano - bibliotekę Pythona, która ułatwia pisanie modeli głębokiego uczenia się.

Część trzecia (40%) szkolenia będzie w znacznym stopniu oparta na Tensorflow - API drugiej generacji otwartej biblioteki oprogramowania Google do uczenia głębokiego. Przykłady i ćwiczenia zostaną wykonane w TensorFlow.

Uczestnicy

Ten kurs jest przeznaczony dla inżynierów, którzy chcą wykorzystać TensorFlow w swoich projektach Deep Learning

Po ukończeniu tego kursu uczestnicy będą

• dobrze rozumie głębokie sieci neuronowe (DNN), CNN i RNN
• rozumieć TensorFlow’ strukturę i mechanizmy wdrażania
• być w stanie wykonać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
• być w stanie ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
• być w stanie wdrożyć zaawansowaną produkcję, taką jak modele szkoleniowe, tworzenie wykresów i rejestrowanie