Automotive Grade Linux (AGL) Training Cursus

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor robotics engineers en AI-onderzoekers op hoog niveau die geavanceerde algoritmen voor padplanning willen implementeren om de prestaties van autonome voertuigen te verbeteren.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De theoretische basis van geavanceerde algoritmen voor padplanning te begrijpen.
• Algoritmen zoals RRT*, A* en D* te implementeren voor real-time navigatie.
• Padplanning te optimaliseren voor obstakelvermijding en dynamische omgevingen.
• Padplanningsalgoritmen te integreren met sensorgegevens voor een verbeterde nauwkeurigheid.
• De prestaties van verschillende algoritmen in praktische scenario's te evalueren.

Deze door instructeurs geleide live training in Nederland (online of ter plekke) is gericht op geavanceerde datawetenschappers, AI-specialisten en AI-ontwikkelaars in de autotechniek die AI-modellen willen bouwen, trainen en optimaliseren voor toepassingen in autonomie.

Aan het einde van deze training kunnen de deelnemers:

• De basisprincipes van AI en deep learning in de context van autonome voertuigen begrijpen.
• Computer vision technieken implementeren voor real-time objectdetectie en rijstrookvolgen.
• Reinforcement learning gebruiken voor besluitvorming in zelfrijdende systemen.
• Sensor fusie technieken integreren voor betere waarneming en navigatie.
• Deep learning modellen bouwen om rijscenario's te voorspellen en te analyseren.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is vooral bedoeld voor beginners die Autosar willen gebruiken om auto-onderdelen te ontwerpen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Autosar.
• Stel een workflow in.
• Navigeer soepel in de Autosar-omgeving.
• Werk efficiënt.

Deze instructeurgeleide, live training (online of ter plekse) is gericht op middelvaardige embedded software ontwikkelaars en automotieve ingenieurs die wensen om de AUTOSAR Classic Platform te gebruiken voor het ontwikkelen, integreren en testen van gestandaardiseerde software componenten voor elektronische controleeenheden (ECUs).

Aan het einde van deze training zullen de deelnemers in staat zijn om:

AUTOSAR-ontwikkelingshulpprogramma's te installeren en configureren (bijvoorbeeld DaVinci Developer, EB Tresos of ETAS ISOLAR-A/B).

De gestrafde architectuur van AUTOSAR en de basissoftwaremodules (BSW) te begrijpen.

De AUTOSAR OS en communicatiestapels (COM stack) te ontwerpen en implementeren.

CANoe of vergelijkbare hulpprogramma's te gebruiken voor simulatie, testen en diagnostiek in een AUTOSAR-omgeving.

In deze docentgeleide, live training (online of ter plaatse), leren deelnemers DEM configureren terwijl zij door de creatie en aanpassing van een voorbeeld AUTOSTAR (AUTomotiveOpen System ARchitecture) toepassing gaan.

Deze door een instructeur geleide, live training (online of op locatie) is gericht op automotive ingenieurs die AUTOSAR willen gebruiken om motorcontrollers voor de automobiel te ontwerpen.

Aan het einde van deze training kunnen de deelnemers:

• De AUTOSAR-architectuur en -methodologie begrijpen.
• Leren hoe je motorcontrollers met AUTOSAR ontwerpt.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor geavanceerde softwareontwikkelaars die een diepere kennis en begrip van AUTOSAR RTE-systemen willen verwerven en de vaardigheden willen beheersen die nodig zijn om complexe AUTOSAR RTE-systemen in hun organisatie te ontwikkelen en te implementeren. Het zal geavanceerde onderwerpen behandelen zoals RTE-ontwerppatronen, configuratie, generatie, test- en debugtechnieken en verschillende AUTOSAR RTE-componenten.

Aan het einde van deze training kunnen de deelnemers:

• RTE-eisen analyseren en efficiënte RTE-oplossingen ontwerpen voor complexe autotoepassingen.
• AUTOSAR RTE-componenten ontwikkelen en integreren, zoals softwarecomponenten, communicatie-interfaces en service-interfaces.
• De RTE-prestaties optimaliseren door RTE-parameters te configureren, aangepaste RTE-extensies te implementeren en beste praktijken toe te passen.
• Veelvoorkomende RTE-problemen oplossen en effectieve debugtechnieken implementeren.
• Geavanceerde RTE-functies gebruiken, zoals multicore-ondersteuning, beveiligingsmechanismen en verdeelde systemen.

Deze klassikale, live training (online of op locatie) is bedoeld voor ervaren veiligheidsingenieurs en professionals in de automotive veiligheid die uitgebreide veiligheidsstrategieën voor autonome voertuigen willen ontwikkelen, inclusief risicoanalyse, functionele veiligheidsbeoordelingen en naleving van internationale normen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Veiligheidsrisico's te identificeren en te beoordelen die verband houden met autonome rijsystemen.
• Risicoanalyses en -beoordelingen uit te voeren met behulp van industriestandaarden.
• Veiligheidsvalidatie- en verificatiemethoden voor AV-systemen te implementeren.
• Functionele veiligheidsnormen toe te passen, zoals ISO 26262 en SOTIF.
• Risicobeperkende strategieën te ontwikkelen voor AV-veiligheidsuitdagingen.

Deze door een instructeur geleide, live training (online of op locatie) is bedoeld voor AI-ontwikkelaars en computer vision engineers op intermediair niveau die robuuste visiesystemen voor toepassingen van zelfrijdende voertuigen willen bouwen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De basisconcepten van computer vision in zelfrijdende voertuigen te begrijpen.
• Algoritmen voor objectdetectie, baanherkenning en semantische segmentatie te implementeren.
• Visiesystemen te integreren met andere subsystemen van zelfrijdende voertuigen.
• Deep learning technieken toe te passen voor geavanceerde waarnemingstaken.
• De prestaties van computer vision modellen in real-world scenario's te evalueren.

Deze door een docent geleide, live training (online of ter plaatse) is bedoeld voor professionals op beginnersniveau die de ethische dilemma's en juridische kaders rondom autonome voertuigen willen onderzoeken.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De ethische implicaties van AI-gestuurde besluitvorming in autonome voertuigen te begrijpen.
• Wereldwijde juridische kaders en beleidsregels die zelfrijdende auto's reguleren te analyseren.
• Aansprakelijkheid en verantwoordelijkheid in geval van ongevallen met autonome voertuigen te onderzoeken.
• De balans tussen innovatie en openbare veiligheid in wetgeving rondom autonoom rijden te evalueren.
• Praktische casestudies te bespreken die ethische dilemma's en juridische geschillen betreffen.

Deze instructiegeleide, live training (online of ter plaatse) is bedoeld voor professionals en enthousiastelingen op beginnersniveau die de fundamentele concepten, technologieën en toepassingen van autonome voertuigen willen begrijpen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De belangrijkste componenten en werkingsprincipes van autonome voertuigen te begrijpen.
• De rol van AI, sensoren en real-time dataverwerking in zelfrijdende systemen te onderzoeken.
• Verschillende niveaus van voertuigautonomie en hun toepassingen in de praktijk te analyseren.
• De ethische, juridische en regelgevende aspecten van autonome mobiliteit te onderzoeken.
• Praktische ervaring op te doen met simulaties van autonome voertuigen.

Deze door een docent geleide, live training (online of op locatie) is bedoeld voor ervaren specialisten in sensorfusie en AI-ingenieurs die multi-sensorfusie-algoritmen willen ontwikkelen en real-time navigatie in autonome systemen willen optimaliseren.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De fundamentele principes en uitdagingen van multi-sensor datafusie te begrijpen.
• Sensorfusie-algoritmen te implementeren voor real-time autonome navigatie.
• Data van LiDAR, camera's en RADAR te integreren voor verbeterde perceptie.
• De prestaties van fusiesystemen onder verschillende omstandigheden te analyseren en evalueren.
• Praktische oplossingen te ontwikkelen voor ruisonderdrukking en data-uitlijning van sensoren.

Een tweedaagse cursus die alle principes behandelt met betrekking tot AUTomotiveOpen System Architecture RunTime Environment, de meest bekende industriestandaard voor de ontwikkeling van autosoftware; de cursus bevat zowel basis- als geavanceerde onderwerpen die erg nuttig zijn voor automotive professionals.

Deze door een docent geleide, live training (online of ter plaatse) is bedoeld voor ingenieurs van intermediair niveau, automotive-professionals en IoT-specialisten die de rol van sensoren in zelfrijdende auto's willen begrijpen, inclusief LiDAR, radar, camera's en sensorfusietechnieken.

Aan het einde van deze training kunnen de deelnemers:

• De verschillende soorten sensoren die in autonome voertuigen worden gebruikt begrijpen.
• Sensorgegevens analyseren voor real-time voertuigperceptie en besluitvorming.
• Sensorfusietechnieken implementeren om de nauwkeurigheid en veiligheid van voertuigen te verbeteren.
• De sensorplaatsing en -kalibratie optimaliseren voor verbeterde prestaties van autonoom rijden.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor netwerkengineers op intermediair niveau en ontwikkelaars van automotive IoT die de V2X-communicatietechnologieën voor autonome voertuigen willen begrijpen en implementeren.

Aan het einde van deze training kunnen de deelnemers:

• De fundamentele concepten van V2X-communicatie begrijpen.
• De V2V-, V2I-, V2P- en V2N-communicatiemodellen analyseren.
• V2X-protocollen zoals DSRC en C-V2X implementeren.
• Simulaties ontwikkelen voor verbonden voertuigomgevingen.
• Cybersecurity- en privacy-uitdagingen in V2X-netwerken aanpakken.