AI en Deep Learning voor autonome rijden Training Cursus

Deze door de docent geleide live-training in België (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 praktijkgerichte training onder begeleiding van een docent in België (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 België (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 door een instructeur geleide, live-training in België (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 België (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 België (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 België (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 België (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.