Deep Learning w samochodach autonomicznych

Opis

Szkolenie zgłębia zastosowanie technik głębokiego uczenia w rozwoju systemów dla pojazdów autonomicznych. Uczestnicy poznają praktyczne aspekty implementacji sieci neuronowych w systemach autonomous driving, od przetwarzania danych z czujników po podejmowanie decyzji w czasie rzeczywistym. Program łączy teorię z intensywnymi warsztatami praktycznymi, wykorzystując rzeczywiste dane z pojazdów testowych oraz symulatory.

Profil uczestnika

• Inżynierowie systemów autonomicznych
• Programiści AI specjalizujący się w automotive
• Specjaliści computer vision w branży motoryzacyjnej
• Architekci systemów ADAS
• Deweloperzy systemów czasu rzeczywistego
• Inżynierowie R&D z sektora motoryzacyjnego

Agenda

1. Podstawy systemów autonomicznych
   • Architektura systemów autonomous driving
   • Sensory i systemy percepcji
   • Przetwarzanie danych w czasie rzeczywistym
   • Integracja systemów pokładowych
2. Deep Learning w systemach ADAS
   • Sieci konwolucyjne w detekcji obiektów
   • Segmentacja semantyczna obrazu
   • Rekurencyjne sieci neuronowe w predykcji ruchu
   • Transfer learning w systemach autonomicznych
3. Systemy decyzyjne
   • Planowanie trajektorii
   • Uczenie ze wzmocnieniem w control systems
   • Systemy bezpieczeństwa i redundancji
   • Walidacja modeli AI
4. Implementacja i testowanie
   • Symulacja środowiska jazdy
   • Testowanie w warunkach rzeczywistych
   • Optymalizacja wydajności
   • Integracja z systemami produkcyjnymi

Korzyści

• Praktyczna wiedza z zakresu deep learning w automotive
• Umiejętność projektowania systemów autonomous driving
• Znajomość technik optymalizacji modeli AI
• Doświadczenie w pracy z symulatorami pojazdów
• Zdolność implementacji systemów czasu rzeczywistego
• Zrozumienie aspektów bezpieczeństwa w AI

Wymagane przygotowanie uczestników

• Znajomość podstaw deep learning
• Doświadczenie w programowaniu Python
• Podstawy computer vision
• Wiedza z zakresu uczenia maszynowego

Zagadnienia

• Architektura pojazdów autonomicznych
• Deep learning w systemach ADAS
• Przetwarzanie danych sensorycznych
• Systemy czasu rzeczywistego
• Bezpieczeństwo AI
• Optymalizacja modeli
• Symulacja i testowanie
• Transfer learning
• Uczenie ze wzmocnieniem
• Planowanie trajektorii
• Systemy decyzyjne
• Walidacja systemów AI

Poznaj naszą firmę