Cursos de Sensor Technologies in Autonomous Vehicles

Este treinamento prático, conduzido por um instrutor, em Portugal (online ou presencial), é voltado para engenheiros de robótica e pesquisadores de IA de nível avançado que desejam implementar algoritmos sofisticados de planejamento de trajetória para aprimorar o desempenho de veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os fundamentos teóricos de algoritmos avançados de planejamento de trajetória.
• Implementar algoritmos como RRT*, A* e D* para navegação em tempo real.
• Otimizar o planejamento de trajetória para evitar obstáculos e operar em ambientes dinâmicos.
• Integrar algoritmos de planejamento de trajetória com dados de sensores para maior precisão.
• Avaliar o desempenho de vários algoritmos em cenários práticos.

Este treinamento, conduzido por um instrutor ao vivo (online ou presencial), é destinado a cientistas de dados, especialistas em IA e desenvolvedores de IA automotiva de nível avançado que desejam construir, treinar e otimizar modelos de IA para aplicações de direção autônoma.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os fundamentos da IA e do aprendizado profundo no contexto de veículos autônomos.
• Implementar técnicas de visão computacional para detecção de objetos em tempo real e seguimento de faixa.
• Utilizar o aprendizado por reforço para a tomada de decisões em sistemas de direção autônoma.
• Integrar técnicas de fusão de sensores para uma melhor percepção e navegação.
• Construir modelos de aprendizado profundo para prever e analisar cenários de direção.

Este treinamento prático, liderado por um instrutor (online ou presencial), é direcionado a engenheiros de segurança avançados e profissionais de segurança automotiva que desejam desenvolver estratégias de segurança abrangentes para veículos autônomos, incluindo análise de riscos, avaliações de segurança funcional e conformidade com os padrões internacionais.

Ao concluir este treinamento, os participantes serão capazes de:

• Identificar e avaliar os riscos de segurança associados aos sistemas de direção autônoma.
• Realizar análise de riscos e avaliação de riscos usando os padrões da indústria.
• Implementar métodos de validação e verificação de segurança para sistemas de AV.
• Aplicar padrões de segurança funcional, como ISO 26262 e SOTIF.
• Desenvolver estratégias de mitigação de riscos para os desafios de segurança de AV.

Este treinamento prático, ministrado por um instrutor, em Portugal (online ou presencial) é destinado a desenvolvedores de IA de nível intermediário e engenheiros de visão computacional que desejam construir sistemas de visão robustos para aplicações de direção autônoma.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os conceitos fundamentais de visão computacional em veículos autônomos.
• Implementar algoritmos para detecção de objetos, detecção de faixa e segmentação semântica.
• Integrar sistemas de visão com outros subsistemas de veículos autônomos.
• Aplicar técnicas de aprendizado profundo para tarefas avançadas de percepção.
• Avaliar o desempenho de modelos de visão computacional em cenários do mundo real.

Este treinamento ao vivo, conduzido por um instrutor, em Portugal (online ou presencial), é destinado a profissionais de nível iniciante que desejam explorar os dilemas éticos e as estruturas legais que envolvem veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender as implicações éticas da tomada de decisão baseada em IA em veículos autônomos.
• Analisar as estruturas e políticas legais globais que regulamentam carros autônomos.
• Examinar a responsabilidade e a responsabilização em caso de acidentes com veículos autônomos.
• Avaliar o equilíbrio entre inovação e segurança pública nas leis de condução autônoma.
• Discutir estudos de caso do mundo real envolvendo dilemas éticos e disputas legais.

Este treinamento, ministrado por um instrutor ao vivo (online ou presencial), é destinado a profissionais e entusiastas de nível iniciante que desejam compreender os conceitos fundamentais, as tecnologias e as aplicações de veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os principais componentes e os princípios de funcionamento dos veículos autônomos.
• Explorar o papel da IA, dos sensores e do processamento de dados em tempo real nos sistemas de direção autônoma.
• Analisar os diferentes níveis de autonomia veicular e suas aplicações no mundo real.
• Examinar os aspectos éticos, legais e regulamentares da mobilidade autônoma.
• Obter experiência prática com simulações de veículos autônomos.

Este treinamento prático, ministrado por um instrutor, em Portugal (online ou presencial) é destinado a especialistas avançados em fusão de sensores e engenheiros de IA que desejam desenvolver algoritmos de fusão multi-sensor e otimizar a navegação em tempo real em sistemas autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os fundamentos e os desafios da fusão de dados multi-sensor.
• Implementar algoritmos de fusão de sensores para navegação autônoma em tempo real.
• Integrar dados de LiDAR, câmeras e RADAR para aprimoramento da percepção.
• Analisar e avaliar o desempenho do sistema de fusão em diversas condições.
• Desenvolver soluções práticas para redução de ruído de sensores e alinhamento de dados.

Este treinamento, ministrado por um instrutor ao vivo (online ou presencial), é voltado para engenheiros de rede de nível intermediário e desenvolvedores de IoT automotivo que desejam compreender e implementar tecnologias de comunicação V2X para veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os conceitos fundamentais da comunicação V2X.
• Analisar os modelos de comunicação V2V, V2I, V2P e V2N.
• Implementar protocolos V2X como DSRC e C-V2X.
• Desenvolver simulações para ambientes de veículos conectados.
• Abordar os desafios de segurança cibernética e privacidade em redes V2X.