ROS 2 ile Otonom Navigasyon ve SLAM Eğitimi

Robotik için Yapay Zeka (AI), makine öğrenimi, kontrol sistemleri ve sensör entegrasyonunu birleştirerek algılama, mantıksal düşünme ve otonom hareket kabiliyeti olan zeki makineler oluşturmaya yöneliktir. ROS 2, TensorFlow ve OpenCV gibi modern araçlar sayesinde mühendisler, gerçek dünyadaki ortamlarda akıllı bir şekilde hareket edebilen, plan yapabilecek ve etkileşime girebilecek robotlar tasarlama konusunda ilerleme kaydetmektedir.

Bu eğitmen öncülüğünde canlı eğitim (çevrimiçi veya yerinde) orta düzeyde mühendislerin, güncel açık kaynak teknolojileri ve çerçeveleri kullanarak yapay zeka destekli robotik sistemler geliştirmeyi, eğitmeyi ve dağıtmayı öğrenmelerine yöneliktir.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Python ve ROS 2 kullanarak robot davranışlarını inşa etme ve simüle etme.
• Kalman ve Parçacık Filtreleri'ni yerelleştirme ve izleme için uygulama.
• Görüntü işleme ve nesne tespiti için OpenCV kullanarak bilgisayarlı görü tekniklerini uygulama.
• Hareket tahmini ve öğrenme tabanlı kontrol için TensorFlow'ı kullanma.
• Otonom navigasyon için SLAM (Simultaneous Localization and Mapping) entegrasyonu.
• Robotik karar vermesini geliştirme için takviye öğrenimi modelleri geliştirme.

Eğitimin Biçimlendirmesi

• Etkileşimli ders ve tartışma.
• Python ve ROS 2 kullanarak uygulamalı çalışma.
• Sınamalı ve gerçek robotik ortamlarında pratik alıştırmalar.

Eğitim Özelleştirme Seçenekleri

Bu eğitimi özelleştirmek için bize ulaşarak ayarlama talebinde bulunabilirsiniz.

Bu eğitmen yönetilen canlı eğitimde Türkiye (çevrimiçi veya yerel), katılımcılar nükleer teknoloji ve çevre sistemleri alanlarında kullanılacak farklı türlerde robotları programlama için kullanılan farklı teknolojiler, çerçeveler ve teknikleri öğreneceklerdir.

6 haftalık kurs, her hafta 5 gün boyunca düzenlenmektedir. Her gün 4 saat sürer ve dersler, tartışmalar ve canlı bir laboratuvar ortamında robot geliştirme içerir. Katılımcılar, kazandıkları bilgiyi uygulayabilmek için çeşitli gerçek dünya projelerini tamamlayacaklardır.

Bu kurs için hedef hardware 3D benzetim yazılımı kullanılarak benzetilecektir. Robotları programlamak için ROS (Robot İşletim Sistemi) açık kaynak çerçeve yapısı, C++ ve Python kullanılacaktır.

Bu eğitim sonunda katılımcılar şunları başarabilecekler:

• Robotik teknolojilerde kullanılan temel kavramları anlamak.
• Robottaki yazılım ve donanım arasındaki etkileşimi anlayıp yönetmek.
• Robotik üzerine yatan yazılım bileşenlerini anlamak ve uygulamak.
• Görme, algılama, işlem, yön bulma ve sesli insan ile etkileşim kurabilen bir benzetilmiş mekanik robot oluşturmak ve işletmek.
• Bilgiye dayalı robot oluşturmak için gerekli yapay zeka unsurlarını (makine öğrenmesi, derin öğrenme vb.) anlamak.
• Kalman ve Parçacık filtrelerini uygulamak ve robotun çevresindeki hareket eden nesneleri belirlemesini sağlamak için kullanmak.
• Araştırma algoritmalarını ve hareket planlamasını uygulamak.
• PID kontrolünü uygulayarak bir robotun çevredeki hareketini düzenlemek.
• SLAM (Simultaneous Localization and Mapping) algoritmalarını uygulayıp, bilinmeyen bir ortamı haritalama yeteneğini sağlamak için kullanmak.
• Derin Öğrenme ile robotun karmaşık görevleri gerçekleştirebilmesini genişletmek.
• Gerçekçi senaryolarda bir robota test etmek ve sorun gidermek.

Bu Türkiye'da düzenlenecek canlı eğitimde (online veya face-to-face), katılımcılar nükleer teknoloji ve çevre sistemleri alanında kullanılacak farklı robot türlerini programlama için gerekli teknolojiler, çerçeveler ve yöntemleri öğreneceklerdir.

Dört haftalık kurs her gün dörder saat süren 5 günlük olarak düzenlenecektir. Her gün ödevler, tartışmalar ve canlı laboratuvar ortamında robot geliştirme işlemlerini içerecektir. Katılımcılar, elde ettikleri bilgiyi uygulayabilecekleri gerçek hayat projelerini tamamlamış olacaktır.

Bu kurs için hedeflenen donanım 3D benzetim yazılımları ile simüle edilecektir. Sonra kodlar fiziksel donanıma (Arduino veya diğer) yüklenerek final testleri yapılacak olacaktır. Robotları programlama için ROS (Robot İşletim Sistemi), C++ ve Python kullanılmaktadır.

Bu eğitim sonunda katılımcılar şunları başarabilecekler:

• Robottik teknolojilerde kullanılan ana kavramları anlamak.
• Bir robottik sistemin yazılım ve donanım arasındaki etkileşimleri yönetmek.
• Robottikte temel olan yazılım bileşenlerini uygulamak.
• Görme, algılama, işleme, gezinme ve ses üzerinden insanlarla etkileşim kurabilen bir benzetim mekanik robotu inşa etmek ve işletmek.
• Bir akıllı robot oluşturmak için gerekli yapay zeka unsurlarını (makine öğrenmesi, derin öğrenme vb.) anlamak.
• Kalman ve Parçacık filtrelerini uygulamak ve bu sayede ortamdaki hareket eden nesneleri belirlemek için robotu etkin hale getirmek.
• Arama algoritmaları ve hareket planlamasını uygulamak.
• PID kontrollerini uygulayarak bir ortam içindeki robot hareketlerinin düzenlenmesi.
• SLAM algoritmalarını kullanarak bilinmeyen bir ortama harita oluşturma yeteneği kazandırmak için robotu etkin hale getirmek.
• Gerçekçi senaryolarda bir robotun testini ve sorunlarını gidermek.

Azure Bot Hizmeti, Microsoft Bot Framework ve Azure işlevlerinin gücünü birleştirerek akıllı botların hızlı bir şekilde geliştirilmesini sağlar.

Bu eğitmen liderliğindeki canlı eğitimde katılımcılar, Microsoft Azure kullanarak akıllı bir botu nasıl kolayca oluşturacaklarını öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Akıllı botların temellerini öğrenmek
• Cloud uygulamalarını kullanarak akıllı botlar nasıl oluşturulacağını öğrenmek
• Microsoft Bot Framework, Bot Builder SDK ve Azure Bot Hizmeti'ni nasıl kullanacaklarını anlayabilmek
• Bot desenleri kullanarak botları nasıl tasarlayacaklarını anlamak
• Microsoft Azure kullanarak ilk akıllı botunu geliştirmek

Hedef Kitle

• Geliştiriciler
• Akıl hocaları
• Mühendisler
• IT Uzmanları

Kurs Formatı

• Soru-ceva, tartışmalar, alıştırmalar ve yoğun uygulamalı çalışmalardan oluşan bir format

OpenCV, gerçek zamanlı görüntü işleme için açık kaynak bir bilgisayar görüşü kütüphanesidir. TensorFlow gibi derin öğrenme çerçeveleri ise robotik sistemlerde akıllı algılama ve karar verme için araçları sağlar.

Bu eğitmen liderli canlı eğitim (çevrimiçi veya yerinde) orta düzeyli robotik mühendisleri, bilgisayar görüşü uygulayıcıları ve makine öğrenme mühendislerini hedef almaktadır. Katılımcılar, bilgisayar görüşü ve derin öğrenme tekniklerini robotik algılama ve otonomi için uygulamayı öğrenecektir.

Bu eğitimin sonunda katılımcılar şunları yapabilecek:

• OpenCV kullanarak bilgisayar görüşü hatlarını uygulama.
• Nesne algılama ve tanıma için derin öğrenme modellerini entegre etme.
• Görüş tabanlı verileri robotik kontrol ve navigasyon için kullanma.
• Klasik görüş algoritmalarını derin sinir ağlarıyla birleştirme.
• Bilgisayar görüşü sistemlerini gömülü ve robotik platformlara dağıtma.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• OpenCV ve TensorFlow kullanarak pratik uygulama.
• Simüle edilmiş veya fiziksel robotik sistemler üzerinde canlı laboratuvar uygulaması.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için lütfen bizimle iletişime geçin.

Bir bot veya sohbet robotu, çeşitli mesajlaşma platformlarında kullanıcı etkileşimlerini otomatikleştirmek ve kullanıcıların başka bir insanla konuşmasına gerek kalmadan işleri daha hızlı halletmek için kullanılan bir bilgisayar asistanıdır.

Bu eğitmen liderliğindeki, canlı eğitimde katılımcılar, bot geliştirme araçlarını ve çerçevelerini kullanarak örnek sohbet robotları oluşturarak bir bot geliştirmeye nasıl başlayacaklarını öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Botların farklı kullanımlarını ve uygulamalarını anlayabilmek
• Bot geliştirmenin tüm sürecini anlayabilmek
• Bot oluşturmak için kullanılan farklı araçları ve platformları keşfedebilmek
• Facebook Messenger için örnek bir sohbet robotu oluşturabilmek
• Microsoft Bot Framework kullanarak örnek bir sohbet robotu oluşturabilmek

Hedef Kitle

• Kendi botlarını oluşturmakla ilgilenen geliştiriciler

Kurs Formatı

• Kısmen ders anlatımı, kısmen tartışma, egzersizler ve yoğun uygulamalı çalışma

Edge AI, yapay zeka modellerinin doğrudan gömülü veya kaynak kısıtlı cihazlarda çalışmasını sağlar. Bu sayede gecikme süresi ve enerji tüketimi azaltılırken, robotik sistemlerde otonomiyi ve gizliliği artırır.

Bu eğitmen tarafından yönlendirilen canlı eğitim (çevrimiçi veya kurum içi) orta düzey gömülü geliştiriciler ve robotik mühendisleri hedef almaktadır. Bu grup, TinyML ve edge AI çerçevelerini kullanarak doğrudan robotik donanımda makine öğrenimi çıkarım ve optimizasyon tekniklerini uygulamayı öğrenecektir.

Eğitimin sonunda katılımcılar şunları yapabilecekler:

• TinyML ve robotik için edge AI temellerini anlama.
• Cihaz üzerindeki çıkarım için AI modellerini dönüştürme ve dağıtma.
• Modelleri hız, boyut ve enerji verimliliği açısından optimizetme.
• Edge AI sistemlerini robotik kontrol mimarilerine entegre etme.
• Hassas gerçek dünyada performansı değerlendirme.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• TinyML ve edge AI araç zincirlerini kullanarak pratik uygulamalar.
• Gömülü ve robotik donanım platformlarında pratik alıştırmalar.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bize iletişime geçin.

Bu eğitmen led, canlı eğitim Türkiye (çevrimiçi veya yerinde) orta düzeydeki katılımcılara modern çalışma mekanlarında işbirlikçi robotlar (cobots) ve diğer insan merkezli AI sistemlerinin rolünü keşfetmek isteyenler hedeflenmiştir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• İnsan Merkezli Fiziksel Yapay Zeka prensiplerini ve uygulamalarını anlamak.
• İşyeri üretkenliğini artırmada işbirlikçi robotların rolünü incelemek.
• İnsan-makineler etkileşimindeki zorlukları tanımlamak ve çözmek.
• İnsanlar ve AI destekli sistemler arasındaki işbirliğini optimize eden iş akışları tasarlamak.
• AI entegre çalışma mekanlarında yenilikçilik ve uyumlanma kültürünü teşvik etmek.

Bu eğitmen önderli, canlı eğitim Türkiye (çevrimiçi veya yerinde) mühendislerin yapay zeka'nın mekatronik sistemlere uygulanabilirliği hakkında bilgi edinmelerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecekler:

• Yapay zeka, makine öğrenimi ve hesaplama zekası hakkında genel bir bakış kazanacaklar.
• Sinir ağları ve farklı öğrenme yöntemleri kavramlarını anlayacaklar.
• Gerçek hayattaki sorunlar için yapay zeka yaklaşımlarını etkili şekilde seçebilecekler.
• Mekatronik mühendisliğinde AI uygulamaları gerçekleştirebilecekler.

Bu Türkiye (online veya on-site) düzenlenecek eğitmen tarafından verilen canlı eğitim, çeşitli sensor verilerini entegre ederek görmeyi, duymayı ve dokunmayı sağlayan daha otomatik ve verimli robotlar oluşturmak isteyen ileri düzey robotik mühendisleri ve AI araştırmacıları için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları yapabilecek hale gelecektir:

• Robotik sistemlerde çoklu modalite duyarlılığını uygulayabilir.
• Sensor birleşimi ve karar alma için AI algoritmaları geliştirebilir.
• Dyanamik ortamlarda karmaşık görevleri gerçekleştirebilen robotlar oluşturabilir.
• Gerçek zamanlı veri işleme ve hareketlendirme konularında karşılaşılan zorlukları çözebilir.

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye (çevrimiçi veya yerinde) orta düzeydeki katılımcıların, otomasyon ve ötesine yönelik akıllı robotik sistemler tasarlamayı, programlamayı ve dağıtmayı becerilerini geliştirmek isteyenler için düzenlenmiştir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Fiziksel AI'nin ilkelerini ve robotik ile otomasyondaki uygulamalarını anlayacaklardır.
• Dinamik ortamlar için akıllı robotik sistemler tasarlamayı ve programlamayı öğrenecekler.
• Robotlarda otonom karar verme için AI modelleri uygulayabileceklerdir.
• Robot testi ve optimizasyonu için simülasyon araçlarını kullanabileceklerdir.
• Sensör füzyonu, gerçek zamanlı işlemeyi ve enerji verimliliği gibi zorlukları ele alabileceklerdir.

Takviye öğrenmesi (RL), ajanların bir ortamla etkileşim halinde kararlar verme becerisini geliştiren makine öğrenimi paradigmasıdır. Robotikte, RL, otonom sistemlerin deney ve geribildirim yoluyla uyarlanabilir kontrol ve karar alma yetenekleri kazanmalarını sağlar.

Bu eğitmen yönlü canlı eğitim (çevrimiçi veya yerinde), gelişmiş düzeyde makine öğrenimi mühendisleri, robotik araştırmacıları ve geliştiriciler hedeflenmektedir. Bu grup, robotik uygulamalarda takviye öğrenme algoritmaları tasarlamayı, uygulamayı ve dağıtmayı öğrenecektir.

Bu eğitimin sonunda katılımcılar:

• Takviye öğrenmenin ilkelerini ve matematiğini anlayacaklardır.
• Q-learning, DDPG ve PPO gibi RL algoritmalarını uygulayabileceklerdir.
• OpenAI Gym ve ROS 2 kullanarak robotik simülasyon ortamlarına RL entegre edebileceklerdir.
• Suç denemeleri ve hataları yoluyla robotların karmşık görevleri otonom olarak gerçekleştirmesini sağlayabileceklerdir.
• PyTorch gibi derin öğrenme çerçeveleri kullanarak eğitim performansını optimize edebileceklerdir.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Python, PyTorch ve OpenAI Gym kullanarak el ile uygulama.
• Simüle edilmiş veya fiziksel robotik ortamlarda pratik alıştırmalar.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir kurs talep etmek istiyorsanız, lütfen bize başvurun.

Güvenli ve Açıklanabilir Robotik, robotik sistemlerin güvenliği, doğrulaması ve etik yönetimi üzerine odaklanmış kapsamlı bir eğitimdir. Bu kurs, teori ve uygulamayı birleştirerek güvenlik durumu metodolojileri, tehlike analizi ve robotik karar verme sürecini şeffaf ve güvenilir hale getiren açıklanabilir AI yaklaşımlarını inceler. Katılımcılar uluslararası standartlara uyumunu sağlamak, davranışları doğrulamak ve güvenlik güvencesini belgelemeyi öğrenecektir.

Bu eğitmen-led live eğitim (online veya onsite) orta düzeydeki profesyoneller hedeflenmiştir. Katılımcılar, doğrulama, geçerlilik ve açıklanabilirlik ilkelerini robotik sistemlerin güvenli ve etik kullanımlarını sağlamak için uygulamayı öğrenmek isteyebilir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Robotik ve otomatik sistemler için güvenlik durumlarını geliştirebilir ve belgeleyebilirler.
• Simülasyon ortamlarında doğrulama ve geçerlilik tekniklerini uygulayabilirler.
• Robotik karar verme süreçleri için açıklanabilir AI çerçevelerini anlayabilirler.
• Güvenlik ve etik ilkeleri sistem tasarımı ve işletimine entegre edebilirler.
• Stakeholderlara güvenlik ve şeffaflık gereksinimlerini iletebilirler.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• El ile simülasyon ve güvenlik analizi alıştırmaları.
• Gerçek dünyada robotik uygulamalardan örnekler.

Eğitim Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim istemek için lütfen bize ulaşın.

Akıllı bir Robot, çevresinden ve deneyimlerinden öğrenen ve bu bilgiye dayanarak yeteneklerini geliştiren Artificial Intelligence (AI) sistemdir. Smart Robots, insanlar ile işbirliği yapabilir, onlarla birlikte çalışabilir ve onların davranışlarından öğrenebilir. Ayrıca, yalnızca manuel işçilik değil, bilişsel görevleri de yerine getirme kapasitesine sahiptir. Fiziksel robotlara ek olarak, Smart Robots tamamen yazılım tabanlı olabilir, bir bilgisayarda herhangi bir hareketli parçası veya dünya ile fiziksel etkileşimi olmayan bir yazılım uygulaması olarak yer alabilir.

Bu eğitmen liderliğindeki canlı eğitimde, katılımcılar farklı türdeki mekanik Smart Robots'leri programlamak için kullanılan çeşitli teknolojileri, çerçeveleri ve teknikleri öğrenecek ve ardından bu bilgiyi kendi Akıllı Robot projelerini tamamlamak için uygulayacaklardır.

Kurs, her biri üç günlük dersler, tartışmalar ve canlı laboratuvar ortamında uygulamalı robot geliştirmeden oluşan 4 bölüme ayrılmıştır. Her bölüm, katılımcıların öğrendiklerini uygulamalarına ve göstermelerine olanak tanıyan pratik bir uygulamalı projeyle sonuçlanacaktır.

Kurs için hedef donanım, simülasyon yazılımı aracılığıyla 3B olarak simüle edilecektir. Robot İşletim Sistemi (ROS) ROS açık kaynak çerçevesi, C++ ve Python robotları programlamak için kullanılacaktır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Robot teknolojilerinde kullanılan temel kavramları anlayabilmek
• Bir robot sistemindeki yazılım ve donanım arasındaki etkileşimi anlayıp yönetebilmek
• Smart Robots'ün temelini oluşturan yazılım bileşenlerini anlayıp uygulayabilmek
• Görebilen, algılayabilen, işleyebilen, kavrayabilen, gezinebilen ve sesli olarak insanlarla etkileşim kurabilen simüle edilmiş mekanik bir Akıllı Robot oluşturup çalıştırabilmek
• Deep Learning aracılığıyla bir Akıllı Robot'un karmaşık görevleri gerçekleştirme yeteneğini genişletebilmek
• Bir Akıllı Robot'u gerçekçi senaryolarda test edip sorun giderebilmek

Hedef Kitle

• Geliştiriciler
• Mühendisler

Kurs Formatı

• Kısmen ders, kısmen tartışma, egzersizler ve yoğun uygulamalı pratik

Not

• Bu kursun herhangi bir bölümünü (programlama dili, robot modeli vb.) özelleştirmek için lütfen bizimle iletişime geçerek düzenleme yapabilirsiniz.

Akıllı Robotik, robot sistemlerine gelişmiş algılama, karar verme ve otonom kontrol sağlayacak şekilde yapay zeka entegrasyonudur.

Bu eğitmen liderli canlı eğitim (çevrimiçi veya yerel), akıllı üretim ortamlarında AI destekli algılama, planlama ve kontrol uygulamak isteyen üst düzey robotik mühendisleri, sistem entegratörlerini ve otomasyon liderlerini hedef almaktadır.

Bu eğitimden sonra katılımcılar şunları yapabilecektir:

• Robotik algılama ve sensör birleşimini anlama ve uygulama.
• İşbirlikçi ve endüstriyel robotlar için hareket planlaması algoritmaları geliştirme.
• Gerçek zamanlı karar verme için öğrenme tabanlı kontrol stratejileri dağıtım.
• Akıllı fabrika iş akışlarına zeki robotik sistemlerin entegrasyonu.

Kursun Biçimi

• Etkileşimli ders ve tartışma.
• Birçok alıştırma ve uygulama.
• Canlı laboratuvar ortamında elden deneme yapma.

Kurs Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçin.