Kunstmatige Intelligentie (AI) in de Automobielsector Training Cursus

Deze door de docent geleide live-training in Nederland (online of op locatie) is bedoeld voor geavanceerde robotica-ingenieurs en AI-onderzoekers die geavanceerde padplanningsalgoritmes willen implementeren om de prestaties van autonome voertuigen te verbeteren.

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

• De theoretische fundamenten van geavanceerde padplanningsalgoritmes te begrijpen.
• Algoritmes zoals RRT*, A* en D* te implementeren voor navigatie in real-time.
• Padplanning te optimaliseren voor obstakelvermijding en dynamische omgevingen.
• Padplanningsalgoritmes te integreren met sensordata voor verhoogde nauwkeurigheid.
• De prestaties van diverse algoritmes te evalueren in praktische scenario's.

Deze door een docent geleide, live training in Nederland (online of op locatie) is bedoeld voor gevorderde data scientists, AI-specialisten en automotive AI-ontwikkelaars die AI-modellen voor autonome rij-applicaties willen bouwen, trainen en optimaliseren.

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

• De fundamenten van AI en deep learning te begrijpen in de context van autonome voertuigen.
• Computervisie-technieken toe te passen voor objectdetectie in real time en het volgen van rijbanen.
• Bewustwording learning (reinforcement learning) te gebruiken voor besluitvorming in zelfrijdende systemen.
• Sensorfusie-technieken te integreren voor een betere perceptie en navigatie.
• Diepleermodellen te bouwen om rijscenarios te voorspellen en te analyseren.

Deze live training onder leiding van een docent in Nederland dekt het ontwerpen en ontwikkelen van automotive software met de AUTOSAR Classic- en Adaptive-platforms. Deelnemers verwerven praktische vaardigheden om componenten te configureren, ADAS-software te integreren en veiligheidspraktijken toe te passen met behulp van industrie-standaard tools.

Deze door een instructeur geleide live-training in Nederland (online of ter plaatse) richt zich voornamelijk op ingenieurs die Autosar willen benutten bij het ontwerpen van auto-onderdelen.

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

• Autosar installeren en configureren.
• Een workflow opzetten.
• Zelfverzekerd navigeren binnen de Autosar-omgeving.
• Doeltreffend werken.

Deze door een instructeur begeleide, live-training (online of op locatie) is bedoeld voor embedded-softwareontwikkelaars en automobielingenieurs met een gematigde ervaring die AUTOSAR Classic Platform willen gebruiken om gestandaardiseerde softwarecomponenten voor elektronische besturingssystemen (ECU’s) te ontwikkelen, integreren en testen.

Na afloop van deze training zullen deelnemers in staat zijn om:

AUTOSAR-ontwikkelingstools te installeren en te configureren (zoals DaVinci Developer, EB Tresos of ETAS ISOLAR-A/B).

De gelaagde architectuur van AUTOSAR en de verschillende basic software-module (BSW) te begrijpen.

Het AUTOSAR-besturingssysteem en het communicatiestack (COM-stack) te ontwerpen en implementeren.

CANoe of vergelijkbare tools te gebruiken voor simulatie, testen en diagnostiek binnen een AUTOSAR-omgeving.

Deze door een docent begeleide, live-training (online of op locatie) is bedoeld voor embedded-softwareontwikkelaars of automobielingenieurs van middenniveau die de werking van het AUTOSAR OS (gebaseerd op OSEK/VDX) en de COM-stack willen begrijpen en configureren, zodat betrouwbare taakschema’s en communicatie binnen automotive ECU’s mogelijk worden.

Na afloop van deze training zijn de deelnemers in staat om:

• De architectuur en het planningsbeleid van AUTOSAR OS te begrijpen
• Taken, gebeurtenissen, alarmen en tellers te implementeren en beheren
• De verschillende lagen van de COM-stack te beschrijven en configureren, inclusief PDUR en communicatiediensten
• Protocolstacks (CAN, LIN, FlexRay, Ethernet) uit te leggen en te begrijpen hoe AUTOSAR hiermee interacteert
• De OS- en COM-modules te configureren met behulp van gangbare tools zoals Vector DaVinci of ETAS ISOLAR
• Taakschema’s en communicatieprocessen in een op AUTOSAR gebaseerde ECU te simuleren en te valideren

Deze praktijkgerichte training onder begeleiding van een docent in Nederland (online of ter plaatse) is bedoeld voor veiligheidstechnici op gevorderd niveau en professionals uit de automotive-sector die doelstellingen willen bereiken zoals het ontwikkelen van uitgebreide veiligheidsstrategieën voor autonome voertuigen, waaronder risicobeoordeling, functionele veiligheidsevaluaties en naleving van internationale normen.

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

• Risico’s te identificeren en te beoordelen die samenhangen met autonome rijsystemen.
• Hazardanalyse en risicobeoordeling uit te voeren volgens relevante branchenormen.
• Methoden toe te passen voor het valideren en verifiëren van veiligheid in autonome voertuigen.
• Functiegerelateerde veiligheidsstandaarden, zoals ISO 26262 en SOTIF, correct toe te passen.
• Effectieve strategieën te ontwikkelen om risico’s binnen het domein van autonome voertuigen te beperken.

Deze interactieve training onder begeleiding van een docent in Nederland (online of op locatie) richt zich op AI-ontwikkelaars en computervisie-engineers met middenkadervaardigheden die visiesystemen willen ontwikkelen voor autonome rijapplicaties.

Na afronding van deze training kunnen deelnemers:

• De fundamentele begrippen van computervisie bij autonome voertuigen bevatten.
• Algorithmen implementeren voor objectdetectie, rijbaanherkenning en semantische segmentatie.
• Visiesystemen integreren met andere subsystemen van autonome voertuigen.
• Diepteleertechnieken toepassen bij geavanceerde perceptietaken.
• De prestaties van computervisiemodellen in reële situaties evalueren.

Deze interactieve, live-training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor professionals op gevorderd niveau die hun kennis van computervisie willen verdiepen en de mogelijkheden van TensorFlow willen ontdekken om complexe visiemodellen te ontwikkelen via Google Colab.

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

• Convolutieneurale netwerken (CNN's) bouwen en trainen met TensorFlow.
• Google Colab gebruiken voor het efficiënt ontwikkelen van modellen in de cloud op schaalbare wijze.
• Technieken toepassen voor beeldvoorbereiding bij computervisietaken.
• Computervisiemodellen implementeren voor praktische toepassingen.
• Transfer learning benutten om de prestaties van CNN-modellen te verbeteren.
• De resultaten van beeldclassificatiemodellen visualiseren en interpreteren.

Deze praktijkgerichte training onder begeleiding van een instructeur in Nederland (online of op locatie) richt zich op ontwikkelaars, data scientists en AI-experts met basiskennis die TensorFlow Lite willen gebruiken voor Edge AI-toepassingen.

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

• De basisprincipes van TensorFlow Lite te begrijpen en diens rol binnen Edge AI te doorgronden.
• AI-modellen te ontwikkelen en te optimaliseren met TensorFlow Lite.
• Deze modellen op diverse edge-apparaten uit te rollen.
• Juiste hulpmiddelen en technieken toe te passen bij modelconversie en -optimalisatie.
• Praktische Edge AI-oplossingen te realiseren met behulp van TensorFlow Lite.

Deze door een instructeur geleide, live-training in Nederland (online of op locatie) is bedoeld voor professionals aan het beginnende niveau die zich willen verdiepen in de ethische dilemma’s en juridische kaders rondom zelfrijdende voertuigen.

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

• De ethische gevolgen te begrijpen van besluitvorming door AI in zelfrijdende voertuigen.
• Wereldwijde wetgeving en beleidsmaatregelen met betrekking tot zelfrijdende auto’s te analyseren.
• Aansprakelijkheid en verantwoordelijkheid bij ongelukken met zelfrijdende voertuigen te onderzoeken.
• De balans tussen innovatie en publieke veiligheid in wetgeving voor zelfrijdende voertuigen te beoordelen.
• Reële casestudy’s te bespreken waarin ethische dilemma’s en juridische geschillen een rol spelen.

Deze live-training onder begeleiding van een instructeur in Nederland (online of op locatie) is gericht op professionals en enthousiasten met een beginnende kennis die de basisconcepten, technologieën en toepassingen van zelfrijdende voertuigen willen leren.

Aan het einde van deze training zullen deelnemers in staat zijn tot het volgende:

• De belangrijkste onderdelen en werkingsprincipes van zelfrijdende voertuigen begrijpen.
• De rol van kunstmatige intelligentie, sensoren en real-time dataverwerking in zelfrijdende systemen verkennen.
• De verschillende niveaus van voertuigautonomie en hun praktische toepassingen analyseren.
• De ethische, juridische en regelgevende aspecten van autonome mobiliteit onderzoeken.
• Hands-on ervaring opdoen met simulaties van zelfrijdende voertuigen.

Deze praktijkgerichte training onder begeleiding van een instructeur in Nederland (online of ter plaatse) richt zich op gevorderde specialisten in sensordatafusie en AI-engineers die algoritmen voor meersensordatafusie willen ontwikkelen en de realtime-navigatie in autonome systemen willen optimaliseren.

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

• De basisprincipes en uitdagingen van meersensordatafusie te begrijpen.
• Algoritmen voor sensordatafusie te implementeren ten behoeve van realtime autonome navigatie.
• Data van LiDAR, camera’s en RADAR te combineren om de waarnemingsmogelijkheden te versterken.
• De prestaties van fusiesystemen onder verschillende omstandigheden te analyseren en evalueren.
• Praktische oplossingen te ontwikkelen voor het reduceren van sensorruis en het afstemmen van data.

Deze door een instructeur geleide training in Nederland (online of op locatie) is bedoeld voor engineers met een gemiddelde kennisniveau, automotive-professionals en IoT-specialisten die meer willen leren over het gebruik van sensoren in zelfrijdende auto’s. Er wordt aandacht besteed aan LiDAR, radar, camera’s en technieken voor sensorfusion.

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

• De verschillende soorten sensoren te herkennen die worden gebruikt in zelfrijdende voertuigen.
• Sensorgegevens te analyseren voor realtime waarneming en besluitvorming door het voertuig.
• Sensorfusion-technieken toe te passen om de nauwkeurigheid en veiligheid van het voertuig te verbeteren.
• De plaatsing en kalibratie van sensoren te optimaliseren voor een betere prestatie van het zelfrijdende systeem.

Deze door een instructeur geleide training in Nederland (online of op locatie) is bedoeld voor netwerktechnici met een middenniveau-ervaring en ontwikkelaars van automobiele IoT-oplossingen die V2X-communicatietechnologieën voor autonome voertuigen willen begrijpen en implementeren.

Aan het einde van deze training zullen deelnemers in staat zijn tot het volgende:

• De basisconcepten van V2X-communicatie bevatten.
• V2V-, V2I-, V2P- en V2N-communicatiemodellen analyseren.
• V2X-protocollen zoals DSRC en C-V2X implementeren.
• Simulaties ontwikkelen voor verbonden voertuigomgevingen.
• Cyberbeveiligings- en privacyproblemen binnen V2X-netwerken aanpakken.