Artificial Intelligence in Automotive培訓

本課程由講師主講，在 澳門 中以實地或線上直播形式進行，旨在面向希望實施複雜路徑規劃演算法以提升自駕車輛性能的高階機器人工程師及人工智能研究人員。

完成本培訓後，學員將能夠：

• 理解高級路徑規劃演算法的理論基礎。
• 實施 RRT*、A* 和 D* 等演算法以實現即時導航。
• 針對障礙物避免和動態環境優化路徑規劃。
• 將路徑規劃演算法與傳感器數據整合以提高精度。
• 在實際情境中評估各種演算法的性能。

這是由講師主導的現場培訓，於 澳門（線上或現場）進行，旨在為進階級別的數據科學家、AI 專家和汽車 AI 開發者設計，幫助他們構建、訓練和優化用於自主駕駛應用的人工智慧模型。

完成此培訓後，學員將能夠：

• 理解在自動駕駛車輛背景下的人工智慧和深度學習基礎知識。
• 實物時物偵測和跟隨車道計算機視覺技術。
• 利用強化學習進行自主駕駛系統的決策。
• 整合感測器融合技術以改善感知和導航。
• 構建深度學習模型以預測和分析駕駛場景。

這門在 澳門（線上或線下）進行的教師主導型實時培訓，對象為希望理解 AlphaFold 運作原理的生物學家，並將其模型作為實驗研究的指引。

在本培訓結束時，參與者將能夠：

• 理解 AlphaFold 的基本原理。
• 學習 AlphaFold 的運作方式。
• 學習如何解析 AlphaFold 的預測與結果。

此由講師指導的實時培訓（線上或線下）主要針對希望使用AUTOSAR設計汽車組件工程師。

在完成本培訓後，參與者將能夠：

• 安裝和配置AUTOSAR。
• 設置工作流程。
• 在AUTOSAR環境中順利導航。
• 高效工作。

此種由講師主導的實時培訓（線上或線下）旨在為初級至中級的嵌入式軟體開發人員和汽車工程師提供指導，幫助他們使用AUTOSAR經典平台來開發、整合及測試電子控制單元(ECU)的標準化軟體組件。

完成此培訓後，參與者將能夠：

安裝並配置AUTOSAR開發工具（例如DaVinci Developer、EB Tresos或ETAS ISOLAR-A/B）。

了解AUTOSAR的分層架構和基本軟體模組(BSW)。

設計及實現AUTOSAR作業系統與通訊堆疊(COM stack)。

使用CANoe或其他類似工具進行模擬、測試及診斷。

本課程為由講師主導的實時培訓（線上或線下），旨在幫助初級到中級的嵌入式軟件開發人員或汽車工程師理解並配置 AUTOSAR OS（基於 OSEK/VDX）以及 COM 堆棧，以便在汽車電子控制單元 (ECU) 中實現可靠的任務調度與通信。

培訓結束後，學員將能夠：

• 理解 AUTOSAR OS 的架構和調度策略。
• 實施和管理任務、事件、警報及計數器。
• 描述並配置 COM 堆棧各層，包括 PDUR 與通信服務。
• 解釋協議棧（CAN、LIN、FlexRay、以太網）以及 AUTOSAR 如何與其接口。
• 使用行業工具（Vector DaVinci 或 ETAS ISOLAR）配置 OS 和 COM 模塊。
• 在基於 AUTOSAR 的 ECU 中模擬並驗證任務與通信流程。

這門在澳門（線上或線下）進行的講師主導培訓，旨在為希望開發全面自動駕駛汽車安全策略的高級安全工程師和汽車安全專業人士提供服務，內容涵蓋危險分析、功能安全評估以及國際標準合規性。

在完成此培訓後，參與者將能夠：

• 識別並評估與自動駕駛系統相關的安全風險。
• 使用行業標準進行危險分析和風險評估。
• 實施用於AV系統的安全驗證和確認方法。
• 應用功能安全標準，例如ISO 26262和SOTIF。
• 開發應對AV安全挑戰的風險緩解策略。

此為在澳門（線上或線下）舉辦的由講師主導的培訓課程，目標學員為具備中等程度的AI開發人員及電腦視覺工程師，他們希望建構出適用於自動駕駛應用的高健壯性視覺系統。

完成本課程後，學員將能夠：

• 理解自動駕駛車輛中電腦視覺的基本概念。
• 實作物件偵測、車道檢測及語義分割等演算法。
• 將視覺系統整合至自動駕駛車輛的其他子系統。
• 運用深度學習技術處理進階感知任務。
• 評估電腦視覺模型於真實情境中的效能。

這項由講師指導的實時培訓在 澳門（線上或線下）旨在為初學者級的專業人士探索自動車輛周邊的道德困境和法律框架。

完成此培訓後，學員將能夠：

• 理解自動駕駛汽車中 AI 驅動決策的倫理影響。
• 分析規範自動駕駛車的全球法律框架和政策。
• 審查自動駕駛汽車事故中的責任和問責。
• 評估自動駕駛法規中創新與公共安全之間的平衡。
• 討論涉及道德困境和法律糾紛的真實案例研究。

此由講師帶領的現場培訓在 澳門（線上或線下）進行，針對希望全面了解電動車動力總成架構、電池化學、電池管理系統（BMS）以及影響電動車能源效率因素的初級至中級專業人士。

完成本培訓後，學員將能夠：

• 了解電動車動力總成的結構和功能。
• 分析不同的電池化學及其在電動車中的應用。
• 實施電池管理技術以提升性能和安全。
• 評估各種電動車配置的能源效率。

此課程由導師主導，提供線上或線下實戰培訓（Live），對象為初級專業人士及對理解自动驾驶概念、技術與應用有興趣的愛好者。

完成本課程後，學員將能夠：

• 了解自动驾驶汽车的关键组件及其工作原理。
• 探索人工智能、感測器及即時數據處理在自動駕駛系統中的角色。
• 分析不同層級的車輛自主性及其現實世界應用。
• 檢視自主移動的倫理、法律及監管面向。
• 獲得自动驾驶模拟的實作經驗。

這門在 澳門（線上或線下）舉辦的由講師主導的即時培訓，針對的是希望開發多感測器融合演算法並優化自動系統即時導航的高級感測器融合專家和人工智慧工程師。

完成此培訓後，學員將能夠：

• 了解多感測器資料融合的基礎知識和挑戰。
• 實施用於即時自主導航的感測器融合演算法。
• 整合來自激光雷達、相機和雷達的資料以增強感知。
• 分析並評估各種條件下融合系統的效能。
• 開發減少感測器噪音和對齊資料的實用解決方案。

這堂由講師主導、於澳門（線上或線下）舉辦的實時培訓，針對中級工程師、汽車行業專業人士及物聯網專家設計，旨在理解傳感器在自駕車中的作用，涵蓋激光雷達、雷達、相機與傳感器融合技術。

完成本培訓後，參加者將能夠：

• 了解自動駕駛汽車使用的不同類型傳感器。
• 分析傳感器數據以實現實時車輛感知和決策。
• 實施傳感器融合技術以提升車輛準確性和安全性。
• 優化傳感器佈局與校準，增強自動駕駛表現。

此種在[loc]（線上或線下）由導師指導的實時培訓針對希望理解和實施自治車輛V2X通信技術的中級網絡工程師與汽車物聯網開發人員。

參加完本次培訓後，學員將能夠：

• 理解V2X通信的基本概念。
• 分析V2V、V2I、V2P及V2N通信模型。
• 實施DSRC和C-V2X等V2X協議。
• 開發聯網車輛環境的模擬。
• 解決V2X網絡中的網絡安全與隱私挑戰。