Türkiye 'de Online Autonomous Vehicles (AVs) Eğitimi

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde) özerk araçların etrafındaki etik ikilemleri ve yasal çerçeveleri keşfetmek isteyen yeni başlayan seviyedeki profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Özerk araçlardaki yapay zeka güdümlü karar verme süreçlerinin etik sonuçlarını anlayabilecektir.
• Kendinden sürüşlü arabaları düzenleyen küresel yasal çerçeveleri ve politikaları analiz edebilecektir.
• Özerk araç kazalarında sorumluluk ve hesap verebilirliği inceleyebilecektir.
• Özerk sürüş yasalarında yenilik ve kamu güvenliği arasındaki dengeyi değerlendirebilecektir.
• Etik ikilemleri ve yasal anlaşmazlıkları içeren gerçek dünya örneklerini tartışabilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), özerk araçların temel kavramlarını, teknolojilerini ve uygulamalarını anlamak isteyen yeni başlayan seviyedeki profesyonellere ve meraklılara yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Özerk araçların temel bileşenlerini ve çalışma prensiplerini anlayabilecektir.
• Yapay zeka, sensörler ve gerçek zamanlı veri işlemenin kendi kendine sürüş sistemlerindeki rolünü keşfedebilecektir.
• Farklı araç otonomisi seviyelerini ve bunların gerçek dünya uygulamalarını analiz edebilecektir.
• Özerk hareketliliğin etik, yasal ve düzenleyici yönlerini inceleyebilecektir.
• Özerk araç simülasyonlarında uygulamalı deneyim kazanabilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (online veya yerinde) orta seviyedeki ağ mühendisleri ve otonom araçlar için V2X iletişim teknolojilerini anlamak ve uygulamak isteyen otomotiv IoT geliştiricilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• V2X iletişiminin temel kavramlarını anlayabilecektir.
• V2V, V2I, V2P ve V2N iletişim modellerini analiz edebilecektir.
• DSRC ve C-V2X gibi V2X protokollerini uygulayabilecektir.
• Bağlı araç ortamları için simülasyonlar geliştirebilecektir.
• V2X ağlarındaki güvenlik ve gizlilik zorluklarını ele alabilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde) orta seviyedeki mühendisler, otomotiv profesyonelleri ve otonom araçlardaki sensörlerin rolünü anlamak isteyen IoT uzmanlarına yöneliktir. LiDAR, radar, kameralar ve sensör füzyon tekniklerini kapsamaktadır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Otonom araçlarda kullanılan farklı sensör türlerini anlayabilecekler.
• Gerçek zamanlı araç algısı ve karar verme için sensör verilerini analiz edebilecekler.
• Araç doğruluğunu ve güvenliğini artırmak için sensör füzyon tekniklerini uygulayabilecekler.
• Gelişmiş otonom sürüş performansı için sensör yerleşimini ve kalibrasyonunu optimize edebilecekler.

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 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.

Bu eğitmen tarafından yönetilen, canlı eğitim Türkiye (çevrimiçi veya yerel) orta düzey AI geliştiricileri ve bilgisayar görseli mühendisleri için tasarlanmıştır. Bu kurs, otonom araç uygulamaları için dayanıklı görsel sistemler oluşturmayı amaçlayan kişiler için uygundur.

Bu eğitimin sonunda katılımcılar şu yeteneklere sahip olacaklardır:

• Otonom araçlarda bilgisayar görseli temel kavramlarını anlamak.
• Nesne tespiti, şerit tespiti ve semantik segmentasyon için algoritmalar uygulamak.
• Görsel sistemleri diğer otonom araç alt sistemleriyle entegre etmek.
• Gelişmiş algılama görevleri için derin öğrenme tekniklerini uygulamak.
• Bilgisayar görsel modellerinin gerçek dünya senaryolarında performansını değerlendirmek.

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.