Robotik için Multimodal AI 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.

ROS 2 (Robot Operating System 2), karmaşık ve ölçeklenebilir robot uygulamalarının geliştirilmesini desteklemek için tasarlanmış açık kaynaklı bir çerçevedir.

Bu eğitmen öncülünde live eğitim (çevrimiçi veya yerinde) orta düzeydeki robotik mühendisleri ve geliştiricileri hedefliyor. Katılımcıların ROS 2 kullanarak otonom navigasyon ve SLAM'ı (Simultaneous Localization and Mapping) uygulamasını öğrenmelerini sağlar.

Eğitimin sonunda katılımcılar şunları yapabilecek olacaklardır:

• OTonom navigasyon uygulamaları için ROS 2'yi kurma ve yapılandırma.
• Eşzamanlı konumlandırma ve haritalama algoritmalarını uygulama.
• Lidar ve kameraları ROS 2 ile entegre etme.
• Gazebo'da otonom navigasyonu benzetme ve test etme.
• Fiziksel robotlara navigasyon yığınlarını dağıtma.

Eğitimin Formatı

• Etkileşimli sunum ve tartışma.
• ROS 2 araçları ve benzetme ortamları kullanarak uygulamalı pratik.
• Sanal veya fiziksel robotlarda live-lab uygulaması ve test etme.

Eğitim Özelleştirme Seçenekleri

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

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 eğitmenlerce yönetilen, canlı eğitim (çevrimiçi veya yerel olarak) orta seviye katılımcılar için düzenlenmiştir ve modern işyerlerinde colaboratif robotlar (cobotlar) ve diğer insan odaklı AI sistemlerinin rolünü keşfetmeyi isteyen kişileri hedef almaktadır.

Bu eğitim sonunda, katılımcılar şunları yapabilecektir:

• İnsan Odaklı Fiziksel AI'nin ilkelerini ve uygulamalarını anlayacaklardır.
• Colaboratif robotların işyeri verimliliğini artırmadaki rolünü keşfedeceklerdir.
• İnsan-makinė etkileşimleri içindeki zorlukları tanımlayacak ve ele alacaklardır.
• İnsanlar ile AI sürücü sistemleri arasındaki işbirliğini optimize eden iş akışlarını tasarlayabileceklerdir.
• AI entegre olmuş işyerlerinde yenilik ve uyum kültürünü teşvik edebileceklerdir.

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 eğitmen yönetilen canlı eğitim (çevrimiçi veya現場), çoklu modalite verilerini işlemeyi ve yorumlayabilecek zeki sistemler oluşturmak isteyen orta seviye yapay zeka araştırmacıları, veri bilimcileri ve makine öğrenimi mühendisleri için tasarlanmıştır.

Bu eğitim sonunda, katılımcılar aşağıdaki becerileri kazanacaklardır:

• Çoklu modalite yapay zekası ve uygulamalarının ilkelerini anlamak.
• Farklı veri tiplerini birleştirmek için veri bütünleme tekniklerini uygulamak.
• Görsel, metin ve ses bilgilerini işlemeyi öğrenen modeller inşa etmek ve eğitmek.
• Çoklu modalite yapay zeka sistemlerinin performansını değerlendirmek.
• Çoklu modalite verilere ilişkin etik ve gizlilik endişelerini ele almak.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (Türkiye çevrimiçi veya yerel) orta seviye katılımcılar için tasarlanmıştır ve robotik sistemlerin tasarımına, programlamasına ve otomasyon ve daha ötesi için dağıtımını geliştirmek isteyen kişiler içindür.

Bu eğitim sonunda, katılımcılar aşağıdaki becerileri edinebilecekler:

• Fiziksel AI'nin ilkelerini ve robotik ve otomasyondaki uygulamalarını anlayabilmek.
• Dinamik ortamlar için akıllı robot sistemleri tasarlamak ve programlamak.
• Robotlardaki otomatik karar alma için AI modellerini uygulamak.
• Robottik testler ve en iyileştirmeler için benzetim araçlarını kullanmak.
• Sensor birleştirme, gerçek zamanlı işleme ve enerji verimliliği gibi sorunları ele almak.

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.

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.

Smart Robotics, robotik sistemlerine yapay zeka entegrasyonunu ifade eder ve algılama, karar alma ve otomatik kontrolü iyileştirir.

Bu eğitmen yönetilen canlı eğitim (online veya face-to-face), ileri düzey robotik mühendisleri, sistem entegratörlerini ve otomasyon liderlerini hedef alır. Bu kişiler akıllı üretim ortamlarında algılama, planlama ve kontrol için yapay zeka destekli sistemleri uygulamayı istemektedir.

Eğitim sonunda katılımcılar şunları başarabilecekler:

• Robotik algılama ve sensör birleştirme için yapay zeka tekniklerini anlamak ve uygulamak.
• İşbirlikçi ve endüstriyel robotlar için hareket planlama algoritmaları geliştirmek.
• Gerçek zamanlı karar alma için öğrenme tabanlı kontrol stratejilerini uygulamak.
• Akıllı fabrika iş akışlarına zeki robotik sistemleri entegre etmek.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Çok sayıda alıştırma ve uygulama.
• Yaşam laboratuvar ortamında uygulamaları gerçekleştirmek.

Eğitim Özelleştirme Seçenekleri

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