Quality Core Tools Κομμάτι εκπαίδευσης

Αυτή η εκπαίδευση με εισηγητή, ζωντανή στο Ελλάδα (online ή δια ζώσης), απευθύνεται σε προχωρημένους μηχανικούς ρομποτικής και ερευνητές τεχνητής νοημοσύνης που επιθυμούν να υλοποιήσουν εξελιγμένους αλγορίθμους σχεδιασμού διαδρομών για να βελτιώσουν τις επιδόσεις των αυτόνομων οχημάτων.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοούν τα θεωρητικά θεμέλια των προηγμένων αλγορίθμων σχεδιασμού διαδρομών.
• Να υλοποιούν αλγορίθμους όπως οι RRT*, A* και D* για πλοήγηση σε πραγματικό χρόνο.
• Να βελτιστοποιούν τον σχεδιασμό διαδρομών για αποφυγή εμποδίων και δυναμικά περιβάλλοντα.
• Να ενσωματώνουν αλγορίθμους σχεδιασμού διαδρομών με δεδομένα αισθητήρων για αυξημένη ακρίβεια.
• Να αξιολογούν την απόδοση διαφόρων αλγορίθμων σε πρακτικά σενάρια.

Αυτό το μάθημα καλύπτει την Τεχνητή Νοημοσύνη (με έμφαση στη Μηχανική Μάθηση και τη Βαθιά Μάθηση) στην Αυτοκινητοβιομηχανία. Βοηθά στον προσδιορισμό του ποια τεχνολογία μπορεί (δυνητικά) να χρησιμοποιηθεί σε διάφορες καταστάσεις στο αυτοκίνητο: από την απλή αυτοματοποίηση και την αναγνώριση εικόνων έως την αυτόνομη λήψη αποφάσεων.

Αυτή η εκπαίδευση με καθοδήγηση εκπαιδευτή, ζωντανά σε Ελλάδα (online ή onsite), απευθύνεται σε προχωρημένου επιπέδου επιστήμονες δεδομένων, ειδικούς στην τεχνητή νοημοσύνη και προγραμματιστές AI στον τομέα της αυτοκινητοβιομηχανίας που επιθυμούν να δημιουργήσουν, να εκπαιδεύσουν και να βελτιστοποιήσουν μοντέλα AI για εφαρμογές αυτόνομης οδήγησης.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοούν τις βασικές αρχές της τεχνητής νοημοσύνης και της βαθιάς μάθησης στο πλαίσιο των αυτόνομων οχημάτων.
• Να υλοποιούν τεχνικές υπολογιστικής όρασης για ανίχνευση αντικειμένων σε πραγματικό χρόνο και παρακολούθηση λωρίδας.
• Να χρησιμοποιούν την ενισχυτική μάθηση για τη λήψη αποφάσεων σε συστήματα αυτοοδηγούμενων οχημάτων.
• Να ενσωματώνουν τεχνικές σύντηξης αισθητήρων για βελτιωμένη αντίληψη και πλοήγηση.
• Να κατασκευάζουν μοντέλα βαθιάς μάθησης για την πρόβλεψη και ανάλυση σεναρίων οδήγησης.

Το AUTOSAR (AUTomotive Open System ARchitecture) είναι μια παγκόσμια συνεργασία ανάπτυξης κατασκευαστών αυτοκινήτων, προμηθευτών και εργαλειοκατασκευαστών που τυποποιεί την αρχιτεκτονική λογισμικού για τις ηλεκτρονικές μονάδες ελέγχου (ECU) των αυτοκινήτων.

Αυτή η εκπαίδευση με καθοδηγητή, ζωντανά (διαδικτυακά ή δια ζώσης) απευθύνεται σε προγραμματιστές λογισμικού αυτοκινήτων μεσαίου έως προχωρημένου επιπέδου που επιθυμούν να σχεδιάσουν, να αναπτύξουν και να ενσωματώσουν λογισμικό χρησιμοποιώντας τις πλατφόρμες AUTOSAR Classic και Adaptive με έμφαση στα ADAS (Προηγμένα Συστήματα Υποβοήθησης Οδηγού).

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοούν τις αρχιτεκτονικές AUTOSAR Classic και Adaptive και τις βασικές διαφορές τους.
• Να αναπτύσσουν και να διαμορφώνουν εξαρτήματα λογισμικού αυτοκινήτου χρησιμοποιώντας εργαλεία συμβατά με το AUTOSAR.
• Να ενσωματώνουν και να δοκιμάζουν εξαρτήματα λογισμικού ADAS σε περιβάλλοντα AUTOSAR Adaptive.
• Να εφαρμόζουν βέλτιστες πρακτικές στην ασφάλεια, την κυβερνοασφάλεια και τη βελτιστοποίηση απόδοσης για συστήματα αυτοκινήτων.

Μορφή του Μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πρακτική εξάσκηση με εργαλεία AUTOSAR προτύπου βιομηχανίας.
• Μάθηση βασισμένη σε έργα και προσομοίωση περιπτώσεων χρήσης αυτοκινήτου.

Επιλογές Προσαρμογής Μαθήματος

• Για να ζητήσετε προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να το διευθετήσουμε.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή σε Ελλάδα (online ή onsite) απευθύνεται κυρίως σε μηχανικούς που επιθυμούν να χρησιμοποιήσουν το Autosar για τον σχεδιασμό εξαρτημάτων αυτοκινήτου.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Εγκαταστήσουν και ρυθμίσουν το Autosar.
• Δημιουργήσουν μια ροή εργασίας.
• Πλοηγηθούν ομαλά στο περιβάλλον Autosar.
• Εργαστούν αποτελεσματικά.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή (διαδικτυακή ή δια ζώσης), απευθύνεται σε προγραμματιστές ενσωματωμένου λογισμικού μεσαίου επιπέδου και μηχανικούς αυτοκινήτων που επιθυμούν να χρησιμοποιήσουν την AUTOSAR Classic Platform για την ανάπτυξη, ενσωμάτωση και δοκιμή τυποποιημένων στοιχείων λογισμικού για ηλεκτρονικές μονάδες ελέγχου (ECU).

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

Να εγκαθιστούν και να διαμορφώνουν εργαλεία ανάπτυξης AUTOSAR (π.χ., DaVinci Developer, EB Tresos ή ETAS ISOLAR-A/B).

Να κατανοούν την πολυεπίπεδη αρχιτεκτονική AUTOSAR και τις βασικές μονάδες λογισμικού (BSW).

Να σχεδιάζουν και να υλοποιούν το λειτουργικό σύστημα AUTOSAR και τη στοίβα επικοινωνίας (COM stack).

Να χρησιμοποιούν το CANoe ή παρόμοια εργαλεία για προσομοίωση, δοκιμή και διαγνωστικά σε περιβάλλον AUTOSAR.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή (διαδικτυακά ή επιτόπου), απευθύνεται σε προγραμματιστές ενσωματωμένου λογισμικού μεσαίου επιπέδου ή μηχανικούς αυτοκινήτων που επιθυμούν να κατανοήσουν και να παραμετροποιήσουν το λειτουργικό σύστημα AUTOSAR (βασισμένο στο OSEK/VDX) και τη στοίβα COM ώστε να επιτρέψουν αξιόπιστο προγραμματισμό εργασιών και επικοινωνία σε ηλεκτρονικές μονάδες ελέγχου αυτοκινήτων (ECU).

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Κατανοούν την αρχιτεκτονική του λειτουργικού συστήματος AUTOSAR και τις πολιτικές χρονοπρογραμματισμού
• Υλοποιούν και διαχειρίζονται εργασίες, γεγονότα, συναγερμούς και μετρητές
• Περιγράφουν και παραμετροποιούν τα επίπεδα της στοίβας COM, συμπεριλαμβανομένου του PDUR και των υπηρεσιών επικοινωνίας
• Εξηγούν τις στοίβες πρωτοκόλλων (CAN, LIN, FlexRay, Ethernet) και πώς το AUTOSAR διασυνδέεται με αυτά
• Παραμετροποιούν τις μονάδες OS και COM χρησιμοποιώντας εργαλεία της βιομηχανίας (Vector DaVinci ή ETAS ISOLAR)
• Προσομοιώνουν και επικυρώνουν τη ροή εργασιών και επικοινωνίας σε ένα ECU βασισμένο σε AUTOSAR

Αυτή η ζωντανή εκπαίδευση με εκπαιδευτή στην Ελλάδα (διαδικτυακή ή δια ζώσης) απευθύνεται σε προχωρημένου επιπέδου μηχανικούς ασφαλείας και επαγγελματίες ασφάλειας αυτοκινήτων που επιθυμούν να αναπτύξουν ολοκληρωμένες στρατηγικές ασφάλειας για αυτόνομα οχήματα, συμπεριλαμβανομένης της ανάλυσης κινδύνων, των αξιολογήσεων λειτουργικής ασφάλειας και της συμμόρφωσης με διεθνή πρότυπα.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Να αναγνωρίζουν και να αξιολογούν κινδύνους ασφαλείας που σχετίζονται με συστήματα αυτόνομης οδήγησης.
• Να διεξάγουν ανάλυση κινδύνων και εκτίμηση κινδύνου χρησιμοποιώντας βιομηχανικά πρότυπα.
• Να εφαρμόζουν μεθόδους επικύρωσης και επαλήθευσης ασφάλειας για συστήματα AV.
• Να εφαρμόζουν πρότυπα λειτουργικής ασφάλειας, όπως το ISO 26262 και το SOTIF.
• Να αναπτύσσουν στρατηγικές μετριασμού κινδύνου για προκλήσεις ασφάλειας των AV.

Αυτή η εκπαίδευση υπό την καθοδήγηση εκπαιδευτή, σε ζωντανή παρουσία Ελλάδα (διαδικτυακή ή σε φυσική τάξη) απευθύνεται σε μεσαίου επιπέδου προγραμματιστές τεχνητής νοημοσύνης και μηχανικούς υπολογιστικής όρασης που επιθυμούν να δημιουργήσουν ισχυρά συστήματα όρασης για εφαρμογές αυτόνομης οδήγησης.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Να κατανοούν τις θεμελιώδεις έννοιες της υπολογιστικής όρασης στα αυτόνομα οχήματα.
• Να υλοποιούν αλγορίθμους για ανίχνευση αντικειμένων, ανίχνευση λωρίδων κυκλοφορίας και σημασιολογική κατάτμηση.
• Να ενσωματώνουν συστήματα όρασης με άλλα υποσυστήματα του αυτόνομου οχήματος.
• Να εφαρμόζουν τεχνικές βαθιάς μάθησης για προηγμένες εργασίες αντίληψης.
• Να αξιολογούν την απόδοση των μοντέλων υπολογιστικής όρασης σε πραγματικά σενάρια.

Αυτή η εκπαίδευση με εισηγητή, σε πραγματικό χρόνο σε Ελλάδα (online ή δια ζώσης), απευθύνεται σε επαγγελματίες αρχαρίου επιπέδου που επιθυμούν να διερευνήσουν τα ηθικά διλήμματα και τα νομικά πλαίσια που αφορούν τα αυτόνομα οχήματα.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• να κατανοούν τις ηθικές προεκτάσεις της λήψης αποφάσεων βασισμένης σε τεχνητή νοημοσύνη στα αυτόνομα οχήματα.
• να αναλύουν τα παγκόσμια νομικά πλαίσια και τις πολιτικές που ρυθμίζουν τα αυτοκινούμενα αυτοκίνητα.
• να εξετάζουν την ευθύνη και τη λογοδοσία σε περίπτωση ατυχημάτων αυτόνομων οχημάτων.
• να αξιολογούν την ισορροπία μεταξύ καινοτομίας και δημόσιας ασφάλειας στους νόμους για την αυτόνομη οδήγηση.
• να συζητούν περιπτωσιολογικές μελέτες από τον πραγματικό κόσμο που περιλαμβάνουν ηθικά διλήμματα και νομικές διαμάχες.

Αυτή η ζωντανή εκπαίδευση με καθοδηγούμενη μάθηση σε <τοποθεσία> (online ή onsite) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να αποκτήσουν μια ολοκληρωμένη κατανόηση των αρχιτεκτονικών των συστημάτων κίνησης ηλεκτρικών οχημάτων, της χημείας των μπαταριών, των συστημάτων διαχείρισης μπαταρίας (BMS) και των παραγόντων που επηρεάζουν την ενεργειακή απόδοση στα ηλεκτρικά οχήματα.

Με την ολοκλήρωση της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Κατανοούν τη δομή και τη λειτουργία των συστημάτων κίνησης ηλεκτρικών οχημάτων.
• Αναλύουν διαφορετικές χημείες μπαταριών και τις εφαρμογές τους στα ηλεκτρικά οχήματα.
• Εφαρμόζουν τεχνικές διαχείρισης μπαταρίας για τη βελτίωση της απόδοσης και της ασφάλειας.
• Αξιολογούν την ενεργειακή απόδοση σε διάφορες διαμορφώσεις ηλεκτρικών οχημάτων.

Αυτή η εκπαίδευση με καθοδήγηση εκπαιδευτή, ζωντανή σε Ελλάδα (διαδικτυακά ή δια ζώσης) απευθύνεται σε επαγγελματίες και ενθουσιώδεις αρχάριου επιπέδου που επιθυμούν να κατανοήσουν τις θεμελιώδεις έννοιες, τεχνολογίες και εφαρμογές των αυτόνομων οχημάτων.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Κατανοούν τα βασικά στοιχεία και τις αρχές λειτουργίας των αυτόνομων οχημάτων.
• Διερευνούν τον ρόλο της τεχνητής νοημοσύνης, των αισθητήρων και της επεξεργασίας δεδομένων σε πραγματικό χρόνο στα συστήματα αυτο-οδήγησης.
• Αναλύουν τα διαφορετικά επίπεδα αυτονομίας οχημάτων και τις πραγματικές εφαρμογές τους.
• Εξετάζουν τις ηθικές, νομικές και κανονιστικές πτυχές της αυτόνομης κινητικότητας.
• Αποκτούν πρακτική εμπειρία με προσομοιώσεις αυτόνομων οχημάτων.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή, στο Ελλάδα (διαδικτυακά ή με φυσική παρουσία), απευθύνεται σε προχωρημένου επιπέδου ειδικούς σύντηξης αισθητήρων και μηχανικούς τεχνητής νοημοσύνης που επιθυμούν να αναπτύξουν αλγόριθμους σύντηξης πολλαπλών αισθητήρων και να βελτιστοποιήσουν την πλοήγηση σε πραγματικό χρόνο σε αυτόνομα συστήματα.

Με το πέρας αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοούν τις βασικές αρχές και τις προκλήσεις της σύντηξης δεδομένων πολλαπλών αισθητήρων.
• Να υλοποιούν αλγόριθμους σύντηξης αισθητήρων για πλοήγηση σε πραγματικό χρόνο σε αυτόνομα συστήματα.
• Να ενσωματώνουν δεδομένα από LiDAR, κάμερες και RADAR για ενίσχυση της αντίληψης.
• Να αναλύουν και να αξιολογούν την απόδοση του συστήματος σύντηξης υπό διάφορες συνθήκες.
• Να αναπτύσσουν πρακτικές λύσεις για τη μείωση του θορύβου των αισθητήρων και την ευθυγράμμιση δεδομένων.

Αυτή η εκπαίδευση με καθοδήγηση εκπαιδευτή, ζωντανή (online ή onsite) στο Ελλάδα, απευθύνεται σε μηχανικούς μεσαίου επιπέδου, επαγγελματίες της αυτοκινητοβιομηχανίας και ειδικούς IoT που επιθυμούν να κατανοήσουν τον ρόλο των αισθητήρων στα αυτοοδηγούμενα αυτοκίνητα, καλύπτοντας τεχνικές LiDAR, ραντάρ, κάμερες και σύντηξης αισθητήρων.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Κατανοήσουν τους διαφορετικούς τύπους αισθητήρων που χρησιμοποιούνται στα αυτόνομα οχήματα.
• Αναλύσουν δεδομένα αισθητήρων για αντίληψη και λήψη αποφάσεων σε πραγματικό χρόνο.
• Εφαρμόσουν τεχνικές σύντηξης αισθητήρων για βελτίωση της ακρίβειας και της ασφάλειας του οχήματος.
• Βελτιστοποιήσουν την τοποθέτηση και βαθμονόμηση αισθητήρων για βελτιωμένη απόδοση αυτόνομης οδήγησης.

Αυτή η εκπαίδευση με καθοδήγηση εκπαιδευτή, ζωντανά σε Ελλάδα (online ή επιτόπια) απευθύνεται σε μηχανικούς δικτύων μέσου επιπέδου και προγραμματιστές IoT αυτοκινητοβιομηχανίας που επιθυμούν να κατανοήσουν και να υλοποιήσουν τεχνολογίες επικοινωνίας V2X για αυτόνομα οχήματα.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Κατανοούν τις θεμελιώδεις έννοιες της επικοινωνίας V2X.
• Αναλύουν τα μοντέλα επικοινωνίας V2V, V2I, V2P και V2N.
• Υλοποιούν πρωτόκολλα V2X όπως τα DSRC και C-V2X.
• Αναπτύσσουν προσομοιώσεις για περιβάλλοντα συνδεδεμένων οχημάτων.
• Αντιμετωπίζουν προκλήσεις κυβερνοασφάλειας και ιδιωτικότητας σε δίκτυα V2X.