Otonom Sürücü için Bilgisayar Görseli Eğitimi

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), otonom araç performansını artırmak için gelişmiş yol planlama algoritmaları uygulamak isteyen ileri düzey robotik mühendisleri ve yapay zeka araştırmacılarına yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Gelişmiş yol planlama algoritmalarının teorik temellerini anlayacaklardır.
• RRT*, A* ve D* gibi algoritmaları gerçek zamanlı navigasyon için uygulayabileceklerdir.
• Engelden kaçınma ve dinamik ortamlar için yol planlamasını optimize edebileceklerdir.
• Yol planlama algoritmalarını daha yüksek doğruluk için sensör verileriyle entegre edebileceklerdir.
• Çeşitli algoritmaların performansını pratik senaryolarda değerlendirebileceklerdir.

Bu eğitmen tarafından yönetilen, canlı eğitim (çevrimiçi veya yerel) ileri düzey veri bilimcilerine, AI uzmanlarına ve otomotiv AI geliştiricilere yönelik olup, otomatik sürüş uygulamaları için AI modellerini oluşturma, eğitme ve optimize etmeyi amaçlamaktadır.

Bu eğitim sonunda katılımcılar şunları yapabilecek hale gelecekler:

• Otomatik araçlar bağlamında AI ve derin öğrenme temellerini anlamak.
• Gerçek zamanlı nesne algılama ve hat izleme için bilgisayar görüşü tekniklerini uygulamak.
• Kendi kendine sürüş sistemlerinde karar alma için güçlendirilmiş öğrenmeyi kullanmak.
• Daha iyi algılamayı ve navigasyonu sağlamak için sensör birleştirme tekniklerini entegre etmek.
• Sürüş senaryolarını tahmin etme ve analiz etmek için derin öğrenme modelleri oluşturmak.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), otonom araçlar için kapsamlı güvenlik stratejileri geliştirmek isteyen, ileri düzey güvenlik mühendisleri ve otomotiv güvenlik uzmanlarına yöneliktir. Bu eğitim, tehlike analizi, fonksiyonel güvenlik değerlendirmeleri ve uluslararası standartlara uyumluluk konularını kapsamaktadır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Otonom sürüş sistemleriyle ilişkili güvenlik risklerini belirleyip değerlendirebilecekler.
• Endüstri standartlarını kullanarak tehlike analizi ve risk değerlendirmesi yapabilecekler.
• AV sistemleri için güvenlik doğrulama ve doğrulama yöntemleri uygulayabilecekler.
• ISO 26262 ve SOTIF gibi fonksiyonel güvenlik standartlarını uygulayabilecekler.
• AV güvenlik zorlukları için risk azaltma stratejileri geliştirebilecekler.

Bu eğitmen öncülüğündeki canlı eğitim Türkiye (çevrimiçi veya yerel) temel düzeyde bir polis personeline yönelik olup, elчерçek yapma yönteminden yüz tanıma sistemleri geliştirmek için yapay zeka araçlarını kullanmaya geçmek isteyenler için tasarlanmıştır.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri kazanabilecekler:

• Yapay Zeka ve Makine Öğrenmesinin temellerini anlamak.
• Dijital resim işleme temellerini öğrenmek ve yüz tanıma uygulamalarında kullanımı.
• Yüz tanıma modelleri oluşturmak için yapay zeka araçlarını ve çerçevelerini kullanma becerilerini geliştirmek.
• Yüz tanıma sistemlerinin oluşturulması, eğitilmesi ve test edilmesinde deneyim kazanmak.
• Yüz tanıma teknolojisinin kullanımında etik dikkat edilmesi gereken noktaları ve en iyi uygulamaları anlamak.

Fiji, bilimsel çok boyutlu görüntüler için bir görüntü işleme programı olan ImageJ'i ve bilimsel görüntü analizleri için bir dizi eklentiyi bir araya getiren açık kaynaklı bir görüntü işleme paketidir.

Bu eğitmen liderliğindeki canlı eğitimde katılımcılar, Fiji dağıtımını ve temelindeki ImageJ programını kullanarak bir görüntü analiz uygulaması oluşturmayı öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• ImageJ'i genişletmek için Fiji'ün gelişmiş programlama özelliklerini ve yazılım bileşenlerini kullanmak
• Örtüşen karolardan büyük 3 boyutlu görüntüleri birleştirmek
• Entegre güncelleme sistemi kullanarak bir Fiji kurulumunu başlatmada otomatik olarak güncellemek
• Özel görüntü analiz çözümleri oluşturmak için geniş bir komut dosyası dili yelpazesinden seçim yapmak
• Büyük biyolojik görüntü veri kümelerinde ImgLib gibi Fiji'ün güçlü kütüphanelerini kullanmak
• Uygulamalarını dağıtmak ve benzer projelerde diğer bilim insanlarıyla işbirliği yapmak

Kurs Formatı

• Etkileşimli ders ve tartışma.
• Bol alıştırma ve uygulama.
• Canlı laboratuvar ortamında uygulamalı uygulama.

Kurs Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçerek ayarlama yapınız.

Bu eğitmen öncülü canlı eğitim (Türkiye çevrimiçi veya yerel olarak) histolojik dokular, kan hücreleri, alg, ve diğer biyolojik örneklerle ilgili görüntülerin işleme ve analizine yönelik başlangıç seviyesinden orta düzeyli araştırmacılar ve laboratuvar uzmanları için tasarlanmıştır.

Bu eğitim sonunda katılımcıların yapabilecekleri şeyler:

• Fiji arayüzünü gezinme ve ImageJ’nin temel fonksiyonlarının kullanılması.
• Bilimsel görüntülerin ön işleme ve iyileştirilmesi, daha iyi analiz için.
• Hücre sayımı ve alan ölçümü dahil olmak üzere görsellerin nicel analizi.
• Makrolar ve eklentiler kullanarak tekrarlayan görevlerin otomasyonu.
• Biyolojik araştırma için özel görüntü analiz ihtiyaçlarına göre iş akışlarının özelleştirilmesi.

Bu eğitmen liderliğindeki, canlı eğitim Türkiye (çevrimiçi veya yerinde) ileri düzey sensör füzyonu uzmanları ve otonom sistemlerde çoklu sensör füzyonu algoritmaları geliştirmek ve gerçek zamanlı navigasyonu optimize etmek isteyen yapay zeka mühendislerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Çoklu sensör veri füzyonunun temellerini ve zorluklarını anlayabilecektir.
• Gerçek zamanlı otonom navigasyon için sensör füzyonu algoritmaları uygulayabilecektir.
• Algılamayı geliştirmek için LiDAR, kameralar ve RADAR verilerini entegre edebilecektir.
• Farklı koşullar altında füzyon sisteminin performansını analiz edip değerlendirebilecektir.
• Sensör gürültüsünü azaltmak ve veri hizalaması için pratik çözümler geliştirebilecektir.

OpenCV (Açık Kaynak Computer Vision Kütüphanesi: http://opencv.org), birkaç yüz bilgisayarlı görü algoritmaları içeren, BSD lisanslı bir açık kaynak kütüphanedir.

Hedef Kitle

Bu kurs, OpenCV'ü bilgisayarlı görü projelerinde kullanmak isteyen mühendisler ve mimarlar için hazırlanmıştır.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), derin öğrenme için OpenCV 4 ile Python içinde programlama yapmak isteyen yazılım mühendislerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• OpenCV 4 kullanarak görüntüleri ve videoları görüntüleyebilecek, yükleyebilecek ve sınıflandırabilecek.
• TensorFlow ve Keras ile OpenCV 4 içinde derin öğrenmeyi uygulayabilecek.
• Derin öğrenme modellerini çalıştırabilecek ve görüntülerden ve videolardan etkili raporlar oluşturabilecek.

OpenFace, Google'ün FaceNet araştırmasına dayalı açık kaynaklı, gerçek zamanlı yüz tanıma yazılımıdır Python ve Torch üzerine kurulmuştur.

Bu eğitmen liderliğindeki, canlı eğitimde katılımcılar, OpenFace'in bileşenlerini kullanarak örnek bir yüz tanıma uygulaması oluşturmayı ve dağıtmayı öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Yüz algılama, hizalama ve dönüşüm uygulamak için dlib, OpenCV, Torch ve nn4 dahil olmak üzere OpenFace'in bileşenleriyle çalışmak
• OpenFace'i gözetleme, kimlik doğrulama, sanal gerçeklik, oyun ve tekrar eden müşterileri belirleme gibi gerçek dünya uygulamalarına uygulamak vb.

Hedef Kitle

• Geliştiriciler
• Veri bilimcileri

Kurs Formatı

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

Pattern Matching, bir görüntü içinde belirtilen kalıpları bulmak için kullanılan bir tekniktir. Örneğin, bir fabrikadaki hatalı ürün üzerindeki beklenen etiketi veya bir bileşenin belirtilen boyutlarını belirlemek gibi, yakalanan bir görüntü içinde belirli özelliklerin varlığını belirlemek için kullanılabilir. Pattern Recognition'ten (daha büyük ilgili örnekler koleksiyonuna dayalı genel kalıpları tanıyan) farklı olarak, özellikle ne aradığımızı belirtir ve ardından beklenen kalıbın mevcut olup olmadığını bize bildirir.

Kurs Formatı

Bu eğitmen liderliğindeki canlı eğitim, bir yüz tanıma sistemi oluşturmak için gereken yazılım, donanım ve adım adım süreci tanıtıyor. Yüz Tanıma aynı zamanda Face Recognition olarak da bilinir.

Bu laboratuvarda kullanılan donanım Rasberry Pi, bir kamera modülü, servo motorlar (isteğe bağlı), vb. içerir. Katılımcılar bu bileşenleri kendileri satın almaktan sorumludur. Kullanılan yazılım OpenCV, Linux, Python, vb.'dir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Rasberry Pi'ye Linux, OpenCV ve diğer yazılım yardımcı programlarını ve kitaplıklarını kurmak.
• OpenCV'ı yüz görüntülerini yakalamak ve algılamak için yapılandırmak.
• Bir Rasberry Pi sistemini gerçek dünya ortamlarında kullanmak için çeşitli seçenekleri anlamak.
• Sistemi gözetim, kimlik doğrulama vb. gibi çeşitli kullanım durumlarına uyarlamak.

Kurs Formatı

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

Not

• Diğer donanım ve yazılım seçenekleri şunlardır: Arduino, OpenFace, Windows, vb. Bunlardan herhangi birini kullanmak isterseniz, lütfen bizimle iletişime geçin.

Türkiye'da (çevrimiçi veya yerel) yapılan bu eğitmen yönetimi altında gerçekleştirilen canlı eğitim, SMT (Yüzey Montaj Teknolojisi) işlemlerinde otomatik inspeksiyon sistemleri tasarlamak, uygulamak ve optimize etmek isteyen orta seviye profesyonellere yönelik olacak.

Eğitim sonunda, katılımcılar şu becerileri kazanabilecekler:

• Vision Builder AI kullanarak otomatik inspeksiyonları kurma ve yapılandırma.
• Analiz için yüksek kaliteli görüntülerin edinilmesi ve ön işleme.
• Hata algılama ve işlem doğrulaması için mantık tabanlı kararların uygulanması.
• Inspeksiyon raporlarının oluşturulması ve sistem performansının optimize edilmesi.