Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Sekcja 01
Dzień 01
Wprowadzenie
- Co sprawia, że inteligentny robot jest inteligentny?
Fizyczny a wirtualny Smart Robots
- Smart Robots, inteligentne maszyny, czujące maszyny i Robotic Process Automation (RPA) itp.
Rola Artificial Intelligence (AI) w Smart Robots
- Poza "if-then-else" i maszyną uczącą się
- Algorytmy stojące za sztuczną inteligencją
- Sztuczna inteligencja w Smart Robots: uczenie maszynowe, wizja komputerowa, przetwarzanie języka naturalnego (NLP) itp.
- Robotyka kognitywna
Rola Big Data w Smart Robots
- Podejmowanie decyzji na podstawie danych i wzorców
Chmura i Smart Robots
- Łączenie robotyki z IT
- Budowanie bardziej funkcjonalnych robotów, które mają dostęp do większej ilości informacji i współpracują ze sobą
Studium przypadku: Mechaniczne Smart Robots
- Przemysłowy Smart Robots
- Baxter
- Roboty do usług osobistych
- Roboty domowe pomagające osobom starszym, inteligentne samochody autonomiczne
- Profesjonalne roboty usługowe
- Roboty rolnicze w operacjach dziennikowych
Elementy sprzętowe inteligentnego robota
- Silniki, czujniki, mikrokontrolery, kamery itp.
Wspólne Element z Smart Robots
- Widzenie maszynowe, rozpoznawanie głosu, synteza mowy, wykrywanie bliskości, wykrywanie nacisku itp.
Ramy programistyczne dla Programming inteligentnego robota
- Otwarte i komercyjne ramy
- System operacyjny robota (ROS)
- Architektura: obszar roboczy, tematy, wiadomości, usługi, węzły, biblioteki akcji, narzędzia itp.
Languages dla Programming inteligentnego robota
- C++ dla kontroli niskiego poziomu
- Python dla orkiestracji
- Programming ROS węzły w Python i C ++
- Inne języki
Narzędzia do symulacji fizycznego inteligentnego robota
- Komercyjne i otwarte oprogramowanie do symulacji i wizualizacji 3D
Przygotowanie środowiska programistycznego
- Instalacja i konfiguracja oprogramowania
- Przydatne pakiety i narzędzia
Dzień 02
Inteligentny robot Programming
- Programming węzeł w Python i C ++
- Zrozumienie węzła ROS
- Wiadomości i tematy w ROS
- Paradygmat publikacji / subskrypcji
- Projekt: Bump & Go z prawdziwym robotem
- Rozwiązywanie problemów
- Symulacja robotów z Gazebo / ROS
- Ramki w ROS i zmiany odniesienia
- Przetwarzanie informacji 2D z kamer z OpenCV
- Przetwarzanie informacji lasera
- Projekt: Bezpieczne śledzenie obiektów według koloru
- Rozwiązywanie problemów
Dzień 03
Programming Inteligentny robot (ciąg dalszy...)
- Usługi w ROS
- Przetwarzanie informacji 3D z czujników RGB-D za pomocą PCL
- Mapy i nawigacja z ROS
- Project: Wyszukiwanie obiektów w otoczeniu
- Rozwiązywanie problemów
Sekcja 02
Dzień 04
Programming Inteligentny robot (ciąg dalszy...)
- ActionLib
- Speech Recognition i generowanie mowy
- Sterowanie ramionami robota za pomocą MoveIt!
- Sterowanie szyją robota dla aktywnego widzenia
- Projekt: Wyszukiwanie i zbieranie obiektów
- Rozwiązywanie problemów
Testowanie inteligentnego robota
- Testowanie jednostkowe
Dzień 05
Rozszerzanie możliwości inteligentnego robota za pomocą Deep Learning
- Percepcja - wizja, dźwięk i haptyka
- Reprezentacja wiedzy
- Rozpoznawanie głosu poprzez NLP (przetwarzanie języka naturalnego)
- Wizja komputerowa
Przyspieszony kurs Deep Learning
- Sztuczne Neural Networks (ANN)
- Sztuczne Neural Networks vs. Bio logiczne Neural Networks
- Feedforward Neural Networks
- Funkcje aktywacji
- Trening sztucznych Neural Networks
Dzień 06
Przyspieszony kurs Deep Learning (ciąg dalszy...)
- Modele Deep Learning
- Sieci konwolucyjne i sieci rekurencyjne
- Sieci konwolucyjne Neural Networks (CNN lub ConvNets)
- Warstwa konwolucyjna
- Warstwa łączenia
- Architektura sieci konwolucyjnych Neural Networks
Sekcja 03
Dzień 07
Przyspieszony kurs Deep Learning (ciąg dalszy...)
- Architektura rekurencyjna Neural Networks (RNN)
- Trenowanie RNN
- Stabilizacja gradientów podczas treningu
- Sieci z długą pamięcią krótkotrwałą
- Platformy i biblioteki oprogramowania Deep Learning
- Deep Learning w ROS
Dzień 08
Używanie Big Data w inteligentnym robocie
- Koncepcje dużych zbiorów danych
- Podejścia do analizy danych
- Narzędzia Big Data
- Rozpoznawanie wzorców w danych
- Ćwiczenie: NLP i Computer Vision na dużych zbiorach danych
Dzień 09
Wykorzystanie Big Data w inteligentnym robocie (ciąg dalszy...)
- Rozproszone przetwarzanie dużych zbiorów danych
- Współistnienie i wzajemna wymiana Big Data i Robotics
- Inteligentny robot jako generator danych
- Czujniki pomiaru zasięgu, położenia, wizualne, dotykowe i inne modalności
- Nadawanie sensu danym sensorycznym (pętla sens-plan-działanie)
- Ćwiczenie: Przechwytywanie danych strumieniowych
Sekcja 04
Dzień 10
Programming Autonomiczny Deep Learning Inteligentny robot
- Komponenty robota Deep Learning
- Konfigurowanie symulatora robota
- Uruchamianie sieci neuronowej z akceleracją CUDA w aplikacji Cafe
- Rozwiązywanie problemów
Dzień 11
[Autonomiczny Deep Learning inteligentny robot (ciąg dalszy...)
- Rozpoznawanie obiektów na zdjęciach lub strumieniach wideo
- Włączanie wizji komputerowej za pomocą OpenCV
- Rozwiązywanie problemów
Dzień 12
Analiza danych
- Używanie inteligentnego robota do zbierania i organizowania nowych danych
Wspólne tworzenie inteligentnego robota
Wdrażanie inteligentnego robota na fizycznym sprzęcie
Monitorowanie i serwisowanie Smart Robots w terenie
Zabezpieczanie robota
- Zapobieganie nieautoryzowanym manipulacjom
- Zapobieganie hakerom przeglądania i kradzieży poufnych danych biznesowych (kart kredytowych, informacji o pracownikach itp.)
Dołączanie do społeczności Robotics
Przyszłość Outlook dla Smart Robots
Uwagi końcowe
Wymagania
- Doświadczenie w programowaniu w języku C++
- Doświadczenie w programowaniu w Python
- Doświadczenie z linią poleceń systemu Linux
84 godzin
Opinie uczestników (1)
każde raz kiedy nie byłem pewien jakiegoś ćwiczenia, trener tłumaczył mi na wielu sposobach, aż zrozumiałem.
Oncel Seleamet - IRROM Industrie
Szkolenie - PLC Ladder Programming
Przetłumaczone przez sztuczną inteligencję
