Computer Vision 自動駕駛培訓

這項由講師指導的澳門（線上或線下）培訓課程，旨在為高階機器人工程師和AI研究人員提供進階路徑規劃演算法的實作知識，以提升自動駕駛車輛的性能。

在培訓結束時，參與者將能夠：

• 理解進階路徑規劃演算法的理論基礎。
• 實作RRT*、A*和D*等演算法，用於即時導航。
• 優化路徑規劃，以應對障礙物避讓和動態環境。
• 將路徑規劃演算法與感測器數據整合，提升準確性。
• 在實際場景中評估各種演算法的性能。

本課程爲講師指導的培訓（線上或線下），面向高級數據科學家、AI專家和汽車AI開發者，旨在幫助他們構建、訓練和優化用於自動駕駛應用的AI模型。

通過本課程，學員將能夠：

• 瞭解自動駕駛中人工智能和深度學習的基礎知識。
• 實現用於即時物體檢測和車道跟蹤的計算機視覺技術。
• 利用強化學習進行自動駕駛系統的決策。
• 集成傳感器融合技術以增強感知和導航能力。
• 構建深度學習模型以預測和分析駕駛場景。

這項由講師指導的澳門（線上或線下）培訓，針對高級安全工程師和汽車安全專業人士，旨在開發自動駕駛車輛的全面安全策略，包括危害分析、功能安全評估以及國際標準的合規性。

培訓結束時，參與者將能夠：

• 識別和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害分析和風險評估。
• 實施自動駕駛系統的安全驗證和確認方法。
• 應用功能安全標準，如ISO 26262和SOTIF。
• 開發應對自動駕駛安全挑戰的風險緩解策略。

CANN SDK（神經網絡計算架構）爲計算機視覺和自然語言處理中的即時AI應用提供了強大的部署和優化工具，尤其是在華爲Ascend硬件上。

本次由講師主導的培訓（線上或線下）面向中級AI從業者，旨在幫助他們使用CANN SDK構建、部署和優化視覺與語言模型，以用於實際生產場景。

培訓結束後，學員將能夠：

• 使用CANN和AscendCL部署和優化CV與NLP模型。
• 使用CANN工具轉換模型，並將其集成到即時管道中。
• 優化檢測、分類和情感分析等任務的推理性能。
• 爲邊緣或雲端部署場景構建即時CV/NLP管道。

課程形式

• 互動式講座與演示。
• 動手實驗，包括模型部署與性能分析。
• 使用實際CV和NLP用例設計即時管道。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本次由講師指導的線下或線上培訓面向希望深入瞭解計算機視覺並探索TensorFlow在Google Colab上開發複雜視覺模型能力的高級專業人員。

培訓結束後，參與者將能夠：

• 使用TensorFlow構建和訓練卷積神經網絡（CNN）。
• 利用Google Colab進行可擴展且高效的基於雲的模型開發。
• 爲計算機視覺任務實施圖像預處理技術。
• 部署計算機視覺模型以用於實際應用。
• 使用遷移學習提升CNN模型的性能。
• 可視化並解釋圖像分類模型的結果。

本課程為講師指導的澳門（線上或線下）培訓，旨在幫助初級專業人員探討自動駕駛車輛所涉及的倫理困境與法律框架。

培訓結束後，學員將能夠：

• 理解AI驅動決策在自動駕駛車輛中的倫理影響。
• 分析全球規範自駕車的法律框架與政策。
• 探討自動駕駛車輛事故中的責任與問責問題。
• 評估創新與公共安全在自駕車法律中的平衡。
• 討論涉及倫理困境與法律糾紛的實際案例。

本次由講師主導的澳門培訓（線上或線下）面向希望從手動面部素描過渡到使用AI工具開發面部識別系統的初級執法人員。

培訓結束後，參與者將能夠：

• 瞭解人工智能和機器學習的基礎知識。
• 學習數字圖像處理的基礎知識及其在面部識別中的應用。
• 掌握使用AI工具和框架創建面部識別模型的技能。
• 獲得創建、訓練和測試面部識別系統的實踐經驗。
• 瞭解面部識別技術使用中的倫理考量和最佳實踐。

Fiji是一個功能強大的開源圖像處理包，它集成了ImageJ（一個專爲科學多維圖像設計的程序）以及一系列全面的插件，用於科學圖像分析。

在此講師指導的線下培訓中，參與者將學習如何利用Fiji發行版及其基礎的ImageJ程序創建強大的圖像分析應用。

通過本培訓，參與者將能夠：

• 使用Fiji的高級編程功能和軟件組件擴展ImageJ的能力
• 從重疊的圖塊中拼接大型3D圖像
• 使用集成的更新系統在啓動時自動更新Fiji安裝
• 從多種腳本語言中選擇，構建自定義的圖像分析解決方案
• 使用Fiji的強大庫，如ImgLib，高效處理大型生物圖像數據集
• 部署應用，並與其他科學家在類似項目上有效協作

課程形式

• 互動講座與討論
• 大量練習與實踐
• 在實驗環境中進行動手操作

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本次由講師指導的培訓在澳門（線上或線下）舉行，面向初學者到中級水平的研究人員和實驗室專業人員，旨在幫助他們處理和分析與組織切片、血細胞、藻類及其他生物樣本相關的圖像。

培訓結束後，參與者將能夠：

• 熟悉Fiji界面並掌握ImageJ的核心功能。
• 對科學圖像進行預處理和增強，以便更好地分析。
• 定量分析圖像，包括細胞計數和麪積測量。
• 使用宏和插件自動化重複性任務。
• 根據生物研究中的具體需求，自定義圖像分析工作流程。

這項由講師指導的線下培訓（線上或線下）針對初學者級別的專業人士和愛好者，旨在幫助他們理解自動駕駛車輛的基本概念、技術和應用。

培訓結束時，參與者將能夠：

• 了解自動駕駛車輛的關鍵組件和工作原理。
• 探索AI、感測器和即時數據處理在自動駕駛系統中的作用。
• 分析不同級別的車輛自動化及其實際應用。
• 研究自動駕駛的倫理、法律和監管問題。
• 獲得自動駕駛車輛模擬的實際操作經驗。

這是一個由講師指導的澳門（線上或線下）培訓，旨在為高級感測器融合專家和AI工程師提供開發多感測器融合算法並優化自主系統中的即時導航能力。

培訓結束後，參與者將能夠：

• 理解多感測器數據融合的基本原理與挑戰。
• 實作即時自主導航的感測器融合算法。
• 整合LiDAR、攝影機和RADAR數據以增強感知能力。
• 分析並評估融合系統在不同條件下的性能。
• 開發實用的感測器降噪與數據對齊解決方案。

這種以講師為主導的澳門現場培訓（現場或遠端）針對希望在Python與OpenCV 4中程式設計以進行深度學習的軟體工程師。

在培訓結束時，參與者將能夠：

• 使用 OpenCV 查看、載入和分類圖像和視頻 4.
• 在 OpenCV 4 中使用 TensorFlow 和 Keras 實現深度學習。
• 運行深度學習模型，並從圖像和視頻中生成有影響力的報告。

本課程為講師指導的澳門（線上或線下）培訓，針對中級工程師、汽車專業人士和物聯網專家，旨在幫助他們理解感測器在自動駕駛汽車中的作用，涵蓋LiDAR、雷達、攝影機以及感測器融合技術。

在培訓結束時，參與者將能夠：

• 了解自動駕駛汽車中使用的不同類型感測器。
• 分析感測器數據，用於即時車輛感知與決策。
• 實施感測器融合技術，以提高車輛的準確性和安全性。
• 優化感測器佈局與校準，提升自動駕駛性能。

這是一個由講師指導的澳門（線上或線下）培訓，針對中級網路工程師和汽車物聯網開發者，旨在幫助他們理解並實現用於自動駕駛車輛的V2X通信技術。

在培訓結束時，參與者將能夠：

• 理解V2X通信的基本概念。
• 分析V2V、V2I、V2P和V2N通信模型。
• 實現V2X協議，如DSRC和C-V2X。
• 開發用於聯網車輛環境的模擬。
• 應對V2X網路中的網路安全和隱私挑戰。

本課程由講師主導，在澳門（線上或線下）提供培訓，面向中級專業人士，旨在幫助他們使用Vision Builder AI設計、實施和優化SMT（表面貼裝技術）流程中的自動檢測系統。

培訓結束後，學員將能夠：

• 使用Vision Builder AI設置和配置自動檢測。
• 獲取並預處理高質量圖像以進行分析。
• 實施基於邏輯的決策，用於缺陷檢測和流程驗證。
• 生成檢測報告並優化系統性能。