Computer Vision für autonomes Fahren Schulung

Dieser von Instruktoren geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Ingenieurinnen und Ingenieure der Robotik sowie KI-Forschende, die ausgefeilte Pfadplanungsalgorithmen implementieren möchten, um die Leistung autonomer Fahrzeuge zu verbessern.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein:

• Die theoretischen Grundlagen fortgeschrittener Pfadplanungsalgorithmen zu verstehen.
• Algorithmen wie RRT*, A* und D* für Echtzeitnavigation zu implementieren.
• Pfadplanung für Hindernisvermeidung und dynamische Umgebungen zu optimieren.
• Pfadplanungsalgorithmen mit Sensordaten zu integrieren, um die Genauigkeit zu erhöhen.
• Die Leistung verschiedener Algorithmen in praktischen Szenarien zu bewerten.

Diese vom Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an erfahrene Datenwissenschaftler, KI-Spezialisten und Entwickler von KI in der Automobilbranche, die AI-Modelle für Anwendungen im autonomen Fahren erstellen, trainieren und optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer:

• die Grundlagen von KI und Deep Learning im Kontext autonomer Fahrzeuge verstehen.
• Computervision-Techniken für die Echtzeit-Objekterkennung und Fahrbahnerkennung implementieren.
• Reinforcement Learning für Entscheidungsprozesse in fahrerlosen Systemen nutzen.
• Sensor-Fusion-Techniken integrieren, um die Wahrnehmung und Navigation zu verbessern.
• Deep-Learning-Modelle aufbauen, um Fahrszenarien vorherzusagen und zu analysieren.

Diese instruktionsgeleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an erfahrene Sicherheitsingenieure und Fachkräfte für die Fahrzeugsicherheit, die umfassende Sicherheitsstrategien für autonome Fahrzeuge entwickeln möchten, darunter Gefahrenanalyse, Bewertungen der funktionellen Sicherheit und Einhaltung internationaler Normen.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Sicherheitsrisiken im Zusammenhang mit autonomen Fahrsystemen zu identifizieren und zu bewerten.
• Gefahrenanalysen und Risikobewertungen unter Anwendung branchenüblicher Standards durchzuführen.
• Methoden zur Validierung und Verifikation der Sicherheit von AV-Systemen umzusetzen.
• Funktionssicherheitsstandards wie ISO 26262 und SOTIF anzuwenden.
• Strategien zur Risikominderung bei sicherheitsrelevanten Herausforderungen autonomer Fahrzeuge zu entwickeln.

Das CANN SDK (Compute Architecture for Neural Networks) bietet leistungsstarke Tools für die Bereitstellung und Optimierung von Echtzeit-KI-Anwendungen im Bereich Computer Vision und NLP, insbesondere auf Huawei-Ascend-Hardware.

Diese Instructor-led-Schulung (online oder vor Ort) richtet sich an KI-Praktiker mit mittlerem Erfahrungsgrad, die Vision- und Sprachmodelle für Produktionsanwendungen mit dem CANN SDK entwickeln, bereitstellen und optimieren möchten.

Am Ende dieser Schulung können Teilnehmer:

• CV- und NLP-Modelle mit CANN und AscendCL bereitstellen und optimieren.
• CANN-Tools nutzen, um Modelle zu konvertieren und in Echtzeit-Pipelines zu integrieren.
• Die Inferenzleistung für Aufgaben wie Objekterkennung, Klassifizierung und Stimmungsanalyse optimieren.
• Echtzeit-CV-/NLP-Pipelines für Edge- oder Cloud-basierte Bereitstellungsszenarien erstellen.

Kursformat

• Interaktive Vorlesung und Demonstration.
• Praxisworkshop mit Modellbereitstellung und Leistungsmessung (Profiling).
• Live-Design von Pipelines anhand realer CV- und NLP-Anwendungsfälle.

Optionen zur Kursanpassung

• Bitte kontaktieren Sie uns, um eine individuelle Schulung für diesen Kurs zu vereinbaren.

Diese instruktionsgeleitete, live stattfindende Schulung in Schweiz (online oder vor Ort) richtet sich an erfahrene Fachkräfte, die ihr Verständnis der Computer Vision vertiefen und die Möglichkeiten von TensorFlow zur Entwicklung anspruchsvoller Bildverarbeitungsmodelle mit Google Colab erkunden möchten.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Convolutional neural networks (CNNs) mit TensorFlow aufzubauen und zu trainieren.
• Google Colab für skalierbare und effiziente cloud-basierte Modellentwicklungen zu nutzen.
• Bildvorverarbeitungstechniken für Computer-Vision-Aufgaben zu implementieren.
• Computer-Vision-Modelle für reale Anwendungen bereitzustellen.
• Transfer Learning einzusetzen, um die Leistung von CNN-Modellen zu verbessern.
• Die Ergebnisse von Bildklassifizierungsmodellen zu visualisieren und zu interpretieren.

Dieses live-durchgeführte, instruktorbasierte Training in Schweiz (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler und IoT-Professionals mit mittlerem bis fortgeschrittenem Niveau, die Computer-Vision-Modelle für die Echtzeitverarbeitung auf Edge-Geräten implementieren und optimieren möchten.

Nach Abschluss dieses Trainings sind die Teilnehmer in der Lage:

• Die Grundlagen von Edge AI und deren Anwendungen in der Computer Vision zu verstehen.
• Optimierte Deep-Learning-Modelle auf Edge-Geräten für die Echtzeit-Bild- und Videoanalyse bereitzustellen.
• Frameworks wie TensorFlow Lite, OpenVINO und NVIDIA Jetson SDK zur Modellbereitstellung zu nutzen.
• KI-Modelle hinsichtlich Leistung, Energieeffizienz und niedriger Latenz bei der Inferenz zu optimieren.

Diese vom Dozent geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Anfängerprofessionals, die sich mit den ethischen Dilemmata und rechtlichen Rahmenbedingungen rund um autonome Fahrzeuge auseinandersetzen möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die ethischen Implikationen KI-gestützter Entscheidungsfindungen in autonomen Fahrzeugen zu verstehen.
• Globale rechtliche Rahmenwerke und Vorschriften für selbstfahrende Autos zu analysieren.
• Haftung und Verantwortung bei Unfällen mit autonomen Fahrzeugen zu prüfen.
• Die Balance zwischen Innovation und öffentlicher Sicherheit in den Gesetzen zum autonomen Fahren zu bewerten.
• Echte Fallbeispiele zu ethischen Dilemmata und Rechtsstreitigkeiten zu diskutieren.

Dieses von einem Dozenten geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Anfänger im Bereich der Strafverfolgung, die von manueller Gesichtsbeschaffung auf den Einsatz von KI-Tools für die Entwicklung von Gesichtserkennungssystemen umsteigen möchten.

Nach Abschluss dieses Trainings können die Teilnehmer:

• Die Grundlagen der künstlichen Intelligenz und des maschinellen Lernens verstehen.
• Die Basics der digitalen Bildverarbeitung und deren Anwendung in der Gesichtserkennung erlernen.
• Fähigkeiten im Umgang mit KI-Tools und -Frameworks zur Erstellung von Gesichtserkennungsmodellen entwickeln.
• Praxiserfahrung bei der Erstellung, dem Training und dem Testen von Gesichtserkennungssystemen sammeln.
• Ethische Überlegungen und bewährte Praktiken im Einsatz von Gesichtserkennungstechnologien verstehen.

Diese instruktionsgeleitete, live durchgeführte Schulung in Schweiz (online oder vor Ort) richtet sich an Anfänger und Fortgeschrittene aus dem Bereich der Forschung und Laborpraxis, die Bilder von histologischem Gewebe, Blutzellen, Algen und anderen biologischen Proben verarbeiten und analysieren möchten.

Am Ende dieser Schulung sind die Teilnehmer in der Lage:

• Die Fiji-Oberfläche zu bedienen und die Kernfunktionen von ImageJ zu nutzen.
• Wissenschaftliche Bilder vorzubereiten und zu optimieren, um eine bessere Analyse zu ermöglichen.
• Bilder quantitativ zu analysieren, darunter Zellzählungen und Flächenmessungen.
• Wiederkehrende Aufgaben durch Makros und Plugins zu automatisieren.
• Arbeitsabläufe für spezifische Bildanalyseanforderungen in der biologischen Forschung anzupassen.

Diese von Dozierenden geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Berufseinsteiger und Enthusiasten, die die grundlegenden Konzepte, Technologien und Anwendungen autonomer Fahrzeuge verstehen möchten.

Am Ende dieser Schulung sind die Teilnehmer in der Lage:

• Die wichtigsten Komponenten und Arbeitsprinzipien autonomer Fahrzeuge zu verstehen.
• Die Rolle von KI, Sensoren und Echtzeit-Datenverarbeitung in selbstfahrenden Systemen zu erkunden.
• Verschiedene Stufen der Fahrzeugautonomie und deren reale Anwendungen zu analysieren.
• Die ethischen, rechtlichen und regulatorischen Aspekte autonomer Mobilität zu untersuchen.
• Praktische Erfahrungen mit Simulationen autonomer Fahrzeuge zu sammeln.

Diese von Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Fortgeschrittene im Bereich der Sensorfusion sowie an KI-Ingenieure, die Mehrsensor-Fusionsalgorithmen entwickeln und die Echtzeitnavigation in autonomen Systemen optimieren möchten.

Nach diesem Training können die Teilnehmenden:

• die Grundlagen und Herausforderungen der Multisensor-Datenfusion verstehen.
• Fusionsalgorithmen für die Echtzeit-autonome Navigation implementieren.
• Daten von LiDAR, Kameras und RADAR zur Verbesserung der Wahrnehmung integrieren.
• die Leistungsfähigkeit des Fusionsystems unter verschiedenen Bedingungen analysieren und bewerten.
• praktische Lösungen zur Reduzierung von Sensorsignalstörungen und zur Datenausrichtung entwickeln.

Computer Vision ist ein Fachgebiet, das sich mit der automatischen Extraktion, Analyse und dem Verständnis nützlicher Informationen aus digitalen Medien befasst. Python ist eine hochrangige Programmiersprache, die für ihre klare Syntax und hohe Code-Lesbarkeit bekannt ist.

In diesem von einem Dozenten geleiteten Live-Training erlernen die Teilnehmenden die Grundlagen der Computer Vision, indem sie schrittweise eine Reihe einfacher Computer-Vision-Anwendungen mit Python entwickeln.

Am Ende dieses Trainings können die Teilnehmenden:

• Die Grundlagen der Computer Vision verstehen
• Python zur Implementierung von Computer-Vision-Aufgaben verwenden
• eigene Systeme zur Gesichtserkennung, Objekterkennung und Bewegungserkennung erstellen

Zielgruppe

• Python-Programmierer, die sich für Computer Vision interessieren

Kursformat

• Vorlesungsteil, Diskussionsanteil, Übungen und umfangreiche praktische Anwendungen

Diese vom Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Ingenieure auf mittlerem Niveau, Automotive-Professionals und IoT-Spezialisten, die die Rolle von Sensoren in selbstfahrenden Autos verstehen möchten. Der Kurs deckt LiDAR, Radar, Kameras sowie Sensor-Fusionstechniken ab.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die verschiedenen Typen von Sensoren zu verstehen, die in autonomen Fahrzeugen verwendet werden.
• Sensordaten für die Echtzeit-Wahrnehmung und Entscheidungsfindung im Fahrzeug zu analysieren.
• Sensor-Fusionstechniken zu implementieren, um die Genauigkeit und Sicherheit des Fahrzeugs zu verbessern.
• Die Platzierung und Kalibrierung der Sensoren zu optimieren, um die Leistung autonomer Fahrfunktionen zu steigern.

Dieser dozentengeführte Live-Kurs in Schweiz (online oder vor Ort) richtet sich an Netzwerkingenieure auf mittlerem Niveau und IoT-Entwickler im Automobilbereich, die V2X-Kommunikationstechnologien für autonome Fahrzeuge verstehen und implementieren möchten.

Nach Abschluss dieses Trainings können die Teilnehmenden:

• Die grundlegenden Konzepte der V2X-Kommunikation verstehen.
• V2V-, V2I-, V2P- und V2N-Kommunikationsmodelle analysieren.
• V2X-Protokolle wie DSRC und C-V2X implementieren.
• Simulationen für vernetzte Fahrzeugumgebungen entwickeln.
• Herausforderungen bezüglich Cybersicherheit und Datenschutz in V2X-Netzen adressieren.

Diese von einem Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Fachleute mit mittlerem Kenntnisstand, die Vision Builder AI nutzen möchten, um automatische Inspektionssysteme für SMT-Prozesse (Surface-Mount-Technologie) zu entwerfen, zu implementieren und zu optimieren.

Am Ende dieser Schulung können die Teilnehmer Folgendes:

• Automatische Inspektionen mit Vision Builder AI einrichten und konfigurieren.
• Hochwertige Bilder für die Analyse erfassen und vorverarbeiten.
• Logikbasierte Entscheidungen zur Fehlererkennung und Prozessvalidierung implementieren.
• Inspektionsberichte generieren und die Systemleistung optimieren.