Robotik için ROS 2 & Docker ile Pratik Hızlı Prototiplendirme Eğitimi

Insanoid Bilim (AI) için Robotik, makine öğrenimi, kontrol sistemleri ve sensör birleşimini kullanarak algılama, mantıksal düşünme ve özerk olarak hareket etme yeteneğine sahip zeki makineler oluşturmayı birleştirir. Modern araçlar olan ROS 2, TensorFlow ve OpenCV ile mühendisler artık gerçek dünya ortamlarında akıllı bir şekilde navigasyon, planlama ve etkileşim yapan robotlar tasarlayabilirler.

Bu eğitmen liderli, canlı eğitim (çevrimiçi veya yerel) orta düzey mühendisler için tasarlanmıştır ve bu gruptaki kişilerin mevcut açık kaynak teknolojileri ve çerçeveleri kullanarak AI destekli robotik sistemler geliştirmeyi, eğitmeyi ve dağıtmayı öğrenmelerine yardımcı olmayı hedefler.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Python ve ROS 2 kullanarak robotik davranışlar oluşturmak ve simüle etmek.
• Yerelleştirme ve izleme için Kalman ve Parçacık Filtrelerini uygulamak.
• Algılama ve nesne tespiti için OpenCV kullanarak bilgisayar görsel tekniklerini uygulamak.
• Hareket tahmini ve öğrenme tabanlı kontrol için TensorFlow kullanmak.
• Otonom navigasyon için SLAM (Simultaneous Localization and Mapping) entegre etmek.
• Robotik karar vermesini geliştirmek için takviyeli öğrenme modelleri geliştirmek.

Eğitimin Formatı

• Etkileşimli sunum ve tartışma.
• ROS 2 ve Python kullanarak uygulamalı çalışma.
• Simüle ve gerçek robotik ortamlarda pratik alıştırmalar.

Eğitim Özelleştirme Seçenekleri

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

Bu eğitmen-led, canlı eğitim Türkiye (çevrimiçi veya yerinde) katılımcılar, nükleer teknoloji ve çevre sistemlerinde kullanılan farklı türde robotları programlamak için kullanılan teknolojiler, çerçeveler ve teknikleri öğrenecektir.

6 hafta süren kurs haftada 5 gün sürer. Her gün 4 saatlik olup dersler, tartışmalar ve canlı laboratuvar ortamında robot geliştirme uygulamalarından oluşur. Katılımcılar elde ettikleri bilgileri pratiklemek için çeşitli gerçek dünya projelerini tamamlar.

Bu kursun hedef donanımı, 3B simülasyon yazılımı aracılığıyla benzetilecektir. Robotların programlanması için ROS (Robot İşletim Sistemi) açık kaynak çerçevesi, C++ ve Python kullanılacaktır.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Robotik teknolojilerinde kullanılan temel kavramları anlayacaklardır.
• Bir robot sisteminde yazılım ve donanım arasındaki etkileşimi anlayıp yönetebileceklerdir.
• Robotikin temelini oluşturan yazılım bileşenlerini anlamaları ve uygulayabileceklerdir.
• Görme, algılama, işlem, seyir, ve sesle insanlarla etkileşim kurabilen bir simüle edilmiş mekanik robot oluşturup işletebileceklerdir.
• Akıllı robot oluşturmaya uygulanabilir yapay zeka unsurlarını (makine öğrenmesi, derin öğrenme vb.) anlayacaklardır.
• Robotun çevresindeki hareketli nesneleri bulabilmesini sağlamak için filtreler (Kalman ve Parçacık) uygulayabileceklerdir.
• Arama algoritmalarını ve hareket planlamasını uygulayabileceklerdir.
• Robotun bir ortamda hareketini düzenlemek için PID kontrolleri uygulayabileceklerdir.
• Robotun bilinmeyen bir ortamı haritalamasını sağlamak için SLAM algoritmaları uygulayabileceklerdir.
• Derin Öğrenme aracılığıyla robotun karmaşık görevleri yerine getirebilmesini genişlete bileceklerdir.
• Robotu gerçekçi senaryolarda test edip sorun gidermeyi öğreneceklerdir.

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.

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.

İnsan-Robot Etkileşimi (HRE): Ses, Jest ve Kollaboratif Kontrol, katılımcılara insan-robot iletişim için sezgisel arayüzlerin tasarımı ve uygulanması konusunda bilgi veren pratik bir kurs olarak tasarlanmıştır. Eğitim teori, tasarım ilkeleri ve programlama uygulamasının bir kombinasyonunu kullanarak, konuşma, jest ve paylaşılmış kontrol teknikleri ile doğal ve yanıtlayan etkileşim sistemleri oluşturma konusunda bilgi verir. Katılımcılar algılama modülleri nasıl entegre edilir, çoklu giriş sistemleri geliştirilir ve insanlarla güvenli bir şekilde işbirliği yapan robotlar tasarlanır.

Bu eğitmen eşliğindeki canlı eğitim (çevrimiçi veya kurum içi), başlangıç seviyesine sahip ve orta düzeyde olan katılımcılara, kullanım kolaylığı, güvenlik ve kullanıcı deneyimini artıran insan-robot etkileşim sistemlerinin tasarımını ve uygulanmasını öğrenmek isteyen kişilere yöneliktir.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• İnsan-robot etkileşimi temellerini ve tasarım ilkelerini anlama.
• Robotlar için ses tabanlı kontrol ve yanıt mekanizmaları geliştirme.
• Bilgisayar görüsü teknikleri kullanarak jest tanıma uygulama.
• Güvenli ve paylaşılan otonomi için kollaboratif kontrol sistemleri tasarım.
• HRE sistemlerini kullanım kolaylığı, güvenlik ve insan faktörleri açısından değerlendirme.

Kursun Formatı

• Etkileşimli dersler ve gösteriler.
• Pratik kodlama ve tasarım alıştırmaları.
• Simülasyon veya gerçek robotik ortamlarda pratik deneyler.

Kurs Özelleştirme Seçenekleri

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

Sanayi Robotik Otomasyonu: ROS-PLC Entegrasyonu ve Dijital Çiftler, sanayi otomasyonunu modern robotik çerçeveleriyle birleştirmeye odaklanan pratik bir kurs. Katılımcılar, ROS tabanlı robot sistemlerini PLC'lerle entegre etmeyi öğrenerek senkronize işlemler gerçekleştirecek ve dijital çift ortamlarını kullanarak üretim süreçlerini simüle edip, izleyip ve optimize edecek. Kurs, fiziksel sistemlerin dijital replikalarını kullanarak uyumluluğu, gerçek zamanlı kontrol ve tahminsel analizi vurgular.

Bu eğitmen yönlendirilmiş canlı eğitim (çevrimiçi veya yerel), ROS-kontrollü robotları PLC ortamlarıyla bağlamak ve otomasyon ve üretim iyileştirmesi için dijital çiftler uygulamak konusunda pratik beceriler geliştirmek isteyen ara düzey profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecek:

• ROS ve PLC sistemleri arasındaki iletişim protokolleri anlayacak.
• Robotların ve sanayi kontrolörlerinin arasında gerçek zamanlı veri alışverişi uygulayacak.
• İzleme, test ve süreç simülasyonu için dijital çift geliştirecek.
• Sensörleri, aktüatörleri ve robotik manipülatörleri sanayi iş akışlarına entegre edecek.
• Hibrit simülasyon ortamlarını kullanarak sanayi otomasyon sistemlerini tasarlama ve doğrulama yapacak.

Kurs Formatı

• Etkileşimli ders ve mimari tanıtımının detayları.
• ROS ve PLC sistemlerini entegre eden pratik alıştırmalar.
• Simülasyon ve dijital çift projesi uygulaması.

Kurs Özelleştirme Seçenekleri

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

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.

Çoklu Robot Sistemleri ve Süpürge Zekası, biyolojik süpürge davranışlarından esinlenen robot ekiplerinin tasarımı, koordinasyonu ve kontrolünü inceleyen ileri düzeyde bir eğitim kursudur. Katılımcılar etkileşimlerin modellemesini, dağıtık karar verme mekanizmalarının uygulanmasını ve birden fazla ajan arasında işbirliğinin optimize edilmesini öğreneceklerdir. Kurs, teorik bilgiyi elden deneyimle kombin ederek öğrenenleri lojistik, savunma, arama-kurtarma ve otonom keşif gibi uygulamalara hazırlamaktadır.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerinde), açık kaynak kodlu çerçeveler ve algoritmalar kullanarak çoklu robot ve süpürge tabanlı sistemleri tasarlamak, simüle etmek ve uygulamak isteyen ileri düzey profesyoneller hedeflenmektedir.

Bu eğitimin sonunda katılımcılar şunları yapabileceklerdir:

• Süpürge zekası ve işbirlikçi robotik prensipleri ve dinamiklerini anlama.
• Çoklu robot sistemleri için iletişim ve koordinasyon stratejileri tasarlamak.
• Dağıtık karar verme ve uzlaşma algoritmalarını uygulamak.
• Form kontrolü, sürü hareketi ve kaplamayı içeren toplu davranışları simüle etmek.
• Süpürge tabanlı teknikleri gerçek dünyada senaryolara ve optimizasyon problemlerine uygulamak.

Kurs Formatı

• Algoritma derinlemesine ileri seviye dersler.
• ROS 2 ve Gazebo'da elden kodlama ve simülasyon.
• Süpürge zekası prensiplerini uygulayan işbirlikçi proje.

Kurs Özelleştirme Seçenekleri

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

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye (çevrimiçi veya yerinde) gelişmiş seviye robotik mühendisleri ve YAPAY ZEKA araştırmacıları için düzenlenmiştir. Bu kurs, çeşitli duyusal verilerin entegrasyonunu kullanarak daha otonom ve etkin, görebilen, duyabilen ve dokunabilen robotlar oluşturmak isteyen kişiler hedeflenmektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Robotik sistemlerde çoklu modlu algılama uygulamasını gerçekleştirebileceklerdir.
• Sensör entegrasyonu ve karar verme için YAPAY ZEKA algoritmaları geliştirebileceklerdir.
• Dinamik ortamlarda karmaşık görevleri gerçekleştirebilen robotlar oluşturabileceklerdir.
• Gerçek zamanlı veri işleme ve eylemdeki zorlukları ele alabileceklerdir.

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.

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.