Computer Vision für autonomes Fahren Schulung

Diese live unterrichtete Schulung in Österreich (online oder vor Ort) richtet sich an erfahrene Robotikingenieure und KI-Forscher, die ausgefeilte Pfadplanungsalgorithmen implementieren möchten, um die Leistung autonomer Fahrzeuge zu verbessern.

N completion dieser Schulung werden die Teilnehmer:

• die theoretischen Grundlagen fortschrittlicher Pfadplanungsalgorithmen verstehen.
• Algorithmen wie RRT*, A* und D* für die Echtzeit-Navigation implementieren können.
• Pfadplanungsaufgaben zur Hindernisvermeidung und in dynamischen Umgebungen optimieren können.
• Pfadplanungsalgorithmen mit Sensordaten integrieren können, um die Genauigkeit zu erhöhen.
• die Leistung verschiedener Algorithmen in praktischen Szenarien bewerten können.

Diese von einem Dozenten geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Data Scientists, KI-Spezialisten und Entwickler in der Automobil-KI-Industrie, die KI-Modelle für autonome Fahranwendungen erstellen, trainieren und optimieren möchten.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• Die Grundlagen von KI und Deep Learning im Kontext autonomer Fahrzeuge zu verstehen.
• Computer-Vision-Techniken für die Echtzeit-Erkennung von Objekten und Spurfolgerung umzusetzen.
• Reinforcement Learning zur Entscheidungsfindung in fahrerlosen Systemen einzusetzen.
• Sensor-Fusion-Techniken zu integrieren, um die Wahrnehmung und Navigation zu verbessern.
• Deep-Learning-Modelle zu erstellen, die Fahr-szenarien vorhersagen und analysieren können.

Dieses von einem Dozenten geleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Sicherheitsexpert:innen auf fortgeschrittenem Niveau sowie Fachkräfte im Bereich der Fahrzeugsicherheit, die umfassende Sicherheitsstrategien für autonome Fahrzeuge entwickeln möchten, einschließlich Gefahrenanalysen, Bewertungen der funktionellen Sicherheit und Einhaltung internationaler Normen.

N completion dieses Trainings werden die Teilnehmenden in der Lage sein:

• Sicherheitsrisiken autonomer Fahrsysteme zu identifizieren und zu bewerten.
• Gefahrenanalysen und Risikobewertungen unter Verwendung branchenüblicher Standards durchzuführen.
• Methoden zur Validierung und Verifikation der Sicherheit von AV-Systemen (autonome Fahrzeuge) einzusetzen.
• Funktionssicherheitsstandards wie ISO 26262 und SOTIF anzuwenden.
• Strategien zur Minderung von Risiken für die Sicherheitsprobleme autonomer Fahrzeuge zu entwickeln.

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

Dieses Instructor-Led-Training (live, online oder vor Ort) richtet sich an fortgeschrittene KI-Experten, die Vision- und Sprachmodelle mit dem CANN SDK für produktionsreale Anwendungen entwickeln, bereitstellen und optimieren möchten.

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

• CV- und NLP-Modelle mit CANN und AscendCL bereitzustellen und zu optimieren.
• CANN-Tools zur Modellkonvertierung zu verwenden und diese in Live-Pipelines zu integrieren.
• Die Inferenzleistung für Aufgaben wie Objekterkennung, Klassifizierung und Sentiment-Analyse zu optimieren.
• Echtzeit-CV/NLP-Pipelines für Edge- oder Cloud-basierte Bereitstellungen aufzubauen.

Kursformat

• Interaktive Vorträge und Demonstrationen.
• Praktische Laboreinheiten mit Modellsbereitstellung und Leistungsprofilierung.
• Live-Pipelinedesign anhand realer CV- und NLP-Anwendungsfälle.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese live angebotene Schulung unter Anleitung in <ort> (online oder vor Ort) richtet sich an erfahrene Fachkräfte, die ihr Verständnis von Computer Vision vertiefen und die Fähigkeiten von TensorFlow zur Entwicklung anspruchsvoller Bildverarbeitungsmodelle mit Google Colab erkunden möchten.

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

• Konvolutionale neuronale Netze (CNNs) mit TensorFlow zu erstellen und zu trainieren.
• Google Colab für skalierbare und effiziente cloud-basierte Modellentwicklung 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.

Diese instructor-led, live Schulung in Österreich (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler und IoT-Experten mit mittlerem bis fortgeschrittenem Niveau, die Computer-Vision-Modelle für Echtzeit-Verarbeitung auf Edge-Geräten implementieren und optimieren möchten.

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

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

Dieser instruktionsgeleitete, live durchgeführte Schulungskurs in Österreich (online oder vor Ort) richtet sich an Berufseinsteigerinnen und Berufseinsteiger, die sich mit den ethischen Dilemmata und rechtlichen Rahmenbedingungen rund um autonome Fahrzeuge auseinandersetzen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• Die ethischen Implikationen von KI-gesteuerter Entscheidungsfindung in autonomen Fahrzeugen zu verstehen.
• Globale rechtliche Rahmenbedingungen und Vorschriften zur Regulierung selbstfahrender Autos zu analysieren.
• Haftung und Verantwortlichkeit bei Unfällen mit autonomen Fahrzeugen zu untersuchen.
• Das Gleichgewicht zwischen Innovation und öffentlicher Sicherheit in den Gesetzen zum autonomen Fahren zu bewerten.
• Echtfallbeispiele mit ethischen Dilemmata und Rechtsstreitigkeiten zu diskutieren.

Dieser live unterrichtete Kurs in Österreich (online oder vor Ort) richtet sich an Strafverfolgungsbeamte auf Anfängerniveau, die von manueller Gesichtszeichnung auf den Einsatz von KI-Tools zur Entwicklung von Gesichtserkennungssystemen umsteigen möchten.

Am Ende dieser Schulung sind die Teilnehmenden in der Lage:

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

Diese von Lehrkräften geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Anfänger und Fortgeschrittene, also Forscherinnen und Forscher sowie Laborfachkräfte, die Bilder von histologischen Geweben, Blutzellen, Algen und anderen biologischen Proben verarbeiten und analysieren möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die Fiji-Oberfläche zu navigieren und die Kernfunktionen von ImageJ zu nutzen.
• Wissenschaftliche Bilder vorzubereiten und zu optimieren, um die Analysequalität zu verbessern.
• Bilder quantitativ auszuwerten, einschließlich Zellzählung und Flächenmessung.
• Wiederkehrende Aufgaben durch Makros und Plugins zu automatisieren.
• Arbeitsabläufe für spezifische Bildanalysebedürfnisse in der biologischen Forschung anzupassen.

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

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

• Die wichtigsten Komponenten und Funktionsprinzipien autonomer Fahrzeuge zu verstehen.
• Die Rolle von KI, Sensoren und Echtzeit-Datenverarbeitung in selbstfahrenden Systemen zu erkunden.
• Unterschiedliche Stufen der Fahrzeugautonomie und deren reale Anwendungen zu analysieren.
• Ethische, rechtliche und regulatorische Aspekte des autonomen Mobilitätskonzepts zu prüfen.
• Praktische Erfahrungen mit Simulationen autonomer Fahrzeuge zu sammeln.

Dieses instruktorgeführte, Live-Training in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Sensorfusionsspezialisten und KI-Ingenieure, die Mehrsensoren-Fusionsalgorithmen entwickeln und das Echtzeit-Navigationssystem in autonomen Systemen optimieren möchten.

Am Ende dieses Trainings können die Teilnehmer:

• Die Grundlagen und Herausforderungen der Multi-Sensor-Datenfusion verstehen.
• Sensorfusionsalgorithmen für autonomes Fahren in Echtzeit implementieren.
• Daten von LiDAR, Kameras und RADAR zur Verbesserung der Wahrnehmung integrieren.
• Fusionsystemleistungen unter verschiedenen Bedingungen analysieren und bewerten.
• Praktische Lösungen für Rauschreduktion und Datenangleichung entwickeln.

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

In diesem vom Instructor geleiteten Live-Training lernen die Teilnehmer die Grundlagen der Computer Vision kennen, indem sie Schritt für Schritt eine Reihe einfacher Computer-Vision-Anwendungen mit Python erstellen.

Am Ende dieses Trainings können die Teilnehmer Folgendes:

• Die Grundlagen der Computer Vision verstehen
• Python zur Implementierung von Computer-Vision-Aufgaben nutzen
• Eigene Systeme zur Gesichtserkennung, Objekterkennung und Bewegungserkennung entwickeln

Zielgruppe

• Python-Programmierer mit Interesse an Computer Vision

Format des Kurses

• Vortrag, Diskussion, Übungen und intensive praktische Übungen

Diese von einem Dozenten geleitete, live stattfindende Schulung in Österreich (online oder vor Ort) richtet sich an Ingenieure mit mittlerem Kenntnisstand, Automobilfachleute und IoT-Spezialisten, die die Rolle von Sensoren in selbstfahrenden Autos verstehen möchten und dabei LiDAR, Radar, Kameras sowie Sensor-Fusion-Techniken abdecken.

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 des Fahrzeugs zu analysieren.
• Sensor-Fusion-Techniken zu implementieren, um die Genauigkeit und Sicherheit des Fahrzeugs zu verbessern.
• Die Platzierung und Kalibrierung von Sensoren zu optimieren, um die Leistung autonomer Fahrzeuge zu steigern.

Diese von Dozenten geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Netzwerktechniker auf mittlerem Niveau und IoT-Entwickler in der Automobilbranche, die V2X-Kommunikationstechnologien für autonome Fahrzeuge verstehen und implementieren möchten.

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

• Die Grundkonzepte der V2X-Kommunikation zu verstehen.
• Kommunikationsmodelle wie V2V, V2I, V2P und V2N zu analysieren.
• V2X-Protokolle wie DSRC und C-V2X zu implementieren.
• Simulationen für vernetzte Fahrzeugumgebungen zu entwickeln.
• Sicherheits- und Datenschutzherausforderungen in V2X-Netzwerken zu adressieren.

Dieses instructor-led Live-Training in Österreich (online oder vor Ort) richtet sich an professionelle Anwender mit mittlerem Kenntnisstand, die Vision Builder AI nutzen möchten, um automatisierte Inspektionssysteme für SMT-Prozesse (Surface-Mount Technology) zu entwerfen, zu implementieren und zu optimieren.

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

• Automatisierte Inspektionen mit Vision Builder AI einzurichten und zu konfigurieren.
• Hochwertige Bilder für die Analyse zu erfassen und vorzubereiten.
• Logikbasierte Entscheidungen zur Fehlererkennung und Prozessvalidierung zu implementieren.
• Inspektionsberichte zu erstellen und die Systemleistung zu optimieren.