Computervisie voor autonoom rijden Training Cursus

Dit door een instructeur geleide, live-programma in Nederland (online of ter plaatse) is bedoeld voor robotics-engineers en AI-onderzoekers met gevorderde kennis die complexe routeplanning-algoritmen willen toepassen om de prestaties van zelfrijdende voertuigen te verbeteren.

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

• De theoretische grondslagen van geavanceerde routeplanning-algoritmen begrijpen.
• Algoritmen zoals RRT*, A* en D* te implementeren voor real-time navigatie.
• Routeplanning te optimaliseren met het oog op obstakelontwijking in dynamische omgevingen.
• Routeplanning-algoritmen te integreren met sensorgegevens ter verbetering van de nauwkeurigheid.
• De prestaties van verschillende algoritmen in praktische situaties te evalueren.

Deze praktijkgerichte training onder begeleiding van een instructeur (online of op locatie) is bedoeld voor datawetenschappers met gevorderde kennis, AI-specialisten en ontwikkelaars van automobiele AI die zelfstandig rijmodellen willen bouwen, trainen en optimaliseren.

Na afloop van deze cursus zijn de deelnemers in staat tot:

• De basisprincipes van AI en diep leren in relatie tot autonome voertuigen begrijpen.
• Computer vision-technieken toepassen voor real-time objectdetectie en het volgen van rijstroken.
• Versterkt leren gebruiken om beslissingen te nemen in zelfrijdende systemen.
• Sensorfusietechnieken integreren ter verbetering van waarneming en navigatie.
• Diep leer-modellen ontwikkelen voor het voorspellen en analyseren van rijsituaties.

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.

De CANN SDK (Compute Architecture for Neural Networks) biedt krachtige hulpmiddelen voor het implementeren en optimaliseren van AI-applicaties in real-time, met name op het gebied van computer vision en NLP, op hardware van Huawei Ascend.

Deze interactieve training, verzorgd door een instructeur (online of ter plaatse), is bedoeld voor AI-professionals met een middenniveau kennis die visie- en taalmodellen willen ontwikkelen, implementeren en optimaliseren voor productiedoeleinden met behulp van de CANN SDK.

Na afronding van deze cursus zijn de deelnemers in staat tot:

• Het implementeren en optimaliseren van CV- en NLP-modellen met behulp van CANN en AscendCL.
• Het gebruiken van CANN-tools om modellen te converteren en deze in live-pipelines te integreren.
• Het verbeteren van de inferentieprestaties bij taken zoals detectie, classificatie en sentimentanalyse.
• Het ontwikkelen van real-time CV-/NLP-pipelines voor implementatie op edge-apparaten of in de cloud.

Opzet van de cursus

• Interactieve presentaties en demonstraties.
• Praktijkwerk in het lab: modelimplementatie en performance-profiling.
• Ontwerpen van live-pipelines op basis van echte toepassingen uit computer vision en NLP.

Mogelijkheden tot cursusaanpassing

• Wilt u een op maat gemaakte training? Neem dan contact met ons op om de mogelijkheden te bespreken.

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 leiding van een instructeur in Nederland (online of ter plaatse) richt zich op computer vision-engineers, AI-ontwikkelaars en IoT-professionals met een gemiddelde tot gevorderde kennis die AI-modellen voor computervisie willen implementeren en optimaliseren voor real-time verwerking op edge-apparaten.

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

• De basisprincipes van Edge AI en diens toepassingen in computervisie te begrijpen.
• Geoptimaliseerde deep learning-modellen op edge-apparaten te implementeren voor real-time beeld- en videoverwerking.
• Frameworks zoals TensorFlow Lite, OpenVINO en NVIDIA Jetson SDK te gebruiken bij het implementeren van modellen.
• AI-modellen te optimaliseren met betrekking tot prestaties, energie-efficiëntie en snelle inferentie.

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 praktijkgerichte training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor wetshandhavingspersoneel met minimale voorkennis die wil overstappen van handmatig gezichtsschetsen naar het gebruik van AI-tools voor het ontwikkelen van gezichtsherkenningssystemen.

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

• De basisprincipes van kunstmatige intelligentie en machine learning te begrijpen.
• De fundamentele concepten van digitale beeldverwerking en hun toepassing in gezichtsherkenning te leren.
• Vaardigheden te ontwikkelen in het gebruik van AI-tools en -frameworks om gezichtsherkenningsmodellen te creëren.
• Praktische ervaring op te doen met het ontwerpen, trainen en testen van gezichtsherkenningssystemen.
• De ethische aspecten en beste praktijken bij het gebruik van gezichtsherkenningstechnologie te bevatten.

Fiji is een open-source softwarepakket voor beeldverwerking op basis van ImageJ, specifiek ontwikkeld voor wetenschappelijke beeldanalyse, met name in het biologisch onderzoek.

Dit live-training onder leiding van een instructeur (online of op locatie) is bedoeld voor beginnende tot intermediaire onderzoekers en laboratoriumprofessionals die afbeeldingen van histologische weefsels, bloedcellen, algen en andere biologische monsters willen verwerken en analyseren.

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

• De interface van Fiji te navigeren en de kernfuncties van ImageJ te gebruiken.
• Wetenschappelijke beelden voor te verwerken en te optimaliseren voor een betere analyse.
• Beelden kwantitatief te analyseren, waaronder celtel en oppervlakte-metingen.
• Herhaalde taken te automatiseren met behulp van macro's en plug-ins.
• Werkstromen aan te passen aan specifieke eisen voor beeldanalyse in het biologisch onderzoek.

Opbouw van de cursus

• Interactieve lezingen en discussies.
• Uitgebreide oefeningen en praktische inoefening.
• Praktijk in een live-labomgeving.

Opties voor cursusaanpassing

• Wenst u een op maat gemaakte training voor deze cursus? Neem dan contact met ons op om dit te regelen.

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.

Computervisie is een veld waarbij nuttige informatie automatisch wordt geëxtraheerd, geanalyseerd en begrepen uit digitale media. Python is een hoog niveau programmeertaal die bekend staat om haar heldere syntaxis en de leesbaarheid van de code.

In deze door een docent geleide live training leren deelnemers de basisprincipes van computervisie terwijl ze stap voor stap eenvoudige computervisie-toepassingen bouwen met Python.

Na afloop van deze training kunnen deelnemers:

• De basis van computervisie begrijpen
• Python gebruiken om computervisie-taken uit te voeren
• Eigen systemen voor gezicht-, object- en bewegingsdetectie bouwen

Doelgroep

• Python-programmeurders die geïnteresseerd zijn in computervisie

Vorm van de cursus

• Gedeeltelijk lezing, gedeeltelijk discussie, oefeningen en intensieve praktijkexercities

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.

Deze praktijkgerichte training onder begeleiding van een instructeur (online of op locatie) richt zich op professionals met een gemiddelde kennisgraad die Vision Builder AI willen gebruiken om geautomatiseerde inspectiesystemen te ontwerpen, implementeren en optimaliseren voor SMT-processen.

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

• Geautomatiseerde inspecties instellen en configureren met Vision Builder AI.
• Hoogwaardige beelden verzamelen en voorbereiden voor analyse.
• Logische beslissingsregels toepassen voor het detecteren van defecten en valideren van processen.
• Inspectierapporten genereren en de prestaties van het systeem optimaliseren.