Online or onsite, instructor-led live Autonomous Vehicles (AVs) training courses demonstrate through interactive hands-on practice how to use cutting-edge technologies and algorithms to develop, optimize, and implement autonomous driving systems.
AVs training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Prague onsite live Autonomous Vehicles (AVs) trainings can be carried out locally on customer premises or in NobleProg corporate training centers.
Toto školení vedené instruktorem, ať už online nebo prezenčně, je určeno pro začínající profesionály, kteří se chtějí seznámit s etickými dilematy a právními rámci obklopujícími autonomní vozidla.
Na konci tohoto školení budou účastníci schopni:
Porozumět etickým důsledkům rozhodování řízeného umělou inteligencí v autonomních vozidlech.
Analyzovat globální právní rámce a politiky regulující samořídící automobily.
Zkoumat odpovědnost a zodpovědnost v případě nehod autonomních vozidel.
Posoudit rovnováhu mezi inovací a veřejnou bezpečností v zákonech týkajících se autonomního řízení.
Diskutovat o reálných případových studiích zahrnujících etická dilemata a právní spory.
Toto školení vedené instruktorem, probíhající živě (online nebo prezenčně), je zaměřeno na profesionály a nadšence na začátečnické úrovni, kteří chtějí porozumět základním konceptům, technologiím a aplikacím autonomních vozidel.
Na konci tohoto školení budou účastníci schopni:
Pochopit klíčové komponenty a principy fungování autonomních vozidel.
Prozkoumat roli AI, senzorů a zpracování dat v reálném čase v systémech autonomního řízení.
Analyzovat různé úrovně autonomie vozidel a jejich aplikace v reálném světě.
Prozkoumat etické, právní a regulační aspekty autonomní mobility.
Získat praktické zkušenosti se simulacemi autonomních vozidel.
Toto školení vedené instruktorem, ať už online nebo prezenčně, je určeno pro síťové inženýry střední úrovně a vývojáře v oblasti automobilového IoT, kteří chtějí porozumět a implementovat technologie V2X komunikace pro autonomní vozidla.
Na konci tohoto školení budou účastníci schopni:
Porozumět základním konceptům V2X komunikace.
Analyzovat komunikační modely V2V, V2I, V2P a V2N.
Implementovat protokoly V2X, jako jsou DSRC a C-V2X.
Vyvíjet simulace pro prostředí připojených vozidel.
Řešit problémy kybernetické bezpečnosti a ochrany soukromí v sítích V2X.
Tento živý, instruktorem vedený kurz (online nebo prezenčně) je určen pro inženýry střední úrovně, odborníky v automobilovém průmyslu a specialisty na IoT, kteří chtějí porozumět roli senzorů v autonomních vozidlech, včetně LiDAR, radaru, kamer a technik fúze senzorů.
Na konci tohoto kurzu budou účastníci schopni:
Porozumět různým typům senzorů používaných v autonomních vozidlech.
Analyzovat data ze senzorů pro vnímání vozidla v reálném čase a rozhodování.
Implementovat techniky fúze senzorů pro zlepšení přesnosti a bezpečnosti vozidla.
Optimalizovat umístění a kalibraci senzorů pro zvýšení výkonu autonomního řízení.
Toto školení vedené instruktorem, ať už online nebo prezenčně, je určeno pro pokročilé bezpečnostní inženýry a odborníky na bezpečnost automobilů, kteří si přejí vyvinout komplexní bezpečnostní strategie pro autonomní vozidla, včetně analýzy nebezpečí, funkčních bezpečnostních posouzení a dodržování mezinárodních norem.
Na konci tohoto školení budou účastníci schopni:
Identifikovat a posoudit bezpečnostní rizika spojená s autonomními řídicími systémy.
Provádět analýzu nebezpečí a posouzení rizik s využitím průmyslových standardů.
Implementovat metody validace a verifikace bezpečnosti pro systémy AV.
Aplikovat funkční bezpečnostní normy, jako jsou ISO 26262 a SOTIF.
Vyvinout strategie pro zmírnění rizik spojených s bezpečnostními problémy AV.
Toto školení vedené instruktorem, ať už online nebo prezenčně, je zaměřeno na pokročilé specialisty na fúzi senzorů a inženýry umělé inteligence, kteří chtějí vyvíjet algoritmy pro fúzi více senzorů a optimalizovat navigaci v reálném čase v autonomních systémech.
Po absolvování tohoto školení budou účastníci schopni:
Pochopit základy a výzvy fúze dat z více senzorů.
Implementovat algoritmy pro fúzi senzorů pro navigaci v reálném čase v autonomních systémech.
Integrovat data z LiDAR, kamer a RADARu pro zlepšení vnímání okolí.
Analyzovat a vyhodnocovat výkon fúzního systému za různých podmínek.
Vyvíjet praktická řešení pro redukci šumu senzorů a zarovnání dat.
Toto školení vedené instruktorem, probíhající online nebo prezenčně, je určeno pro AI vývojáře a inženýry počítačového vidění střední úrovně, kteří chtějí vytvářet robustní systémy vidění pro aplikace autonomního řízení.Na konci tohoto školení budou účastníci schopni:
Pochopit základní koncepty počítačového vidění v autonomních vozidlech.
Implementovat algoritmy pro detekci objektů, detekci jízdních pruhů a sémantickou segmentaci.
Integrovat systémy vidění s dalšími podsystémy autonomních vozidel.
Aplikovat techniky hlubokého učení pro pokročilé úkoly vnímání.
Vyhodnotit výkon modelů počítačového vidění v reálných scénářích.
Tento kurz vedený instruktorem, který probíhá naživo (online nebo přímo v místě konání), je určen pro pokročilé robotické inženýry a výzkumníky v oblasti umělé inteligence, kteří chtějí implementovat sofistikované algoritmy pro plánování cest a zlepšit výkon autonomních vozidel.Na konci tohoto kurzu budou účastníci schopni:
Pochopit teoretické základy pokročilých algoritmů pro plánování cest.
Implementovat algoritmy, jako jsou RRT*, A* a D*, pro navigaci v reálném čase.
Optimalizovat plánování cest pro vyhýbání se překážkám a dynamickým prostředím.
Integrovať algoritmy pro plánování cest se senzorickými daty pro zvýšení přesnosti.
Vyhodnotit výkon různých algoritmů v praktických scénářích.
Toto školení vedené instruktorem, ať už online nebo prezenčně, je zaměřeno na pokročilé datové vědce, specialisty na umělou inteligenci a vývojáře AI pro automobily, kteří chtějí vytvářet, trénovat a optimalizovat modely umělé inteligence pro aplikace autonomního řízení.
Po absolvování tohoto školení budou účastníci schopni:
Pochopit základy umělé inteligence a hlubokého učení v kontextu autonomních vozidel.
Implementovat techniky počítačového vidění pro detekci objektů v reálném čase a udržování v jízdním pruhu.
Využívat posilující učení pro rozhodování v systémech autonomního řízení.
Integrovat techniky fúze senzorů pro lepší vnímání a navigaci.
Vytvářet modely hlubokého učení pro předpovídání a analýzu jízdních scénářů.