車聯網（V2X）通信在自動駕駛汽車中的應用培訓

This instructor-led, live training in 澳門 (online or onsite) is aimed at advanced-level robotics engineers and AI researchers who wish to implement sophisticated path planning algorithms to enhance autonomous vehicle performance.

在完成本培訓後，參與者將能夠：

• 理解進階路徑規劃演算法的理論基礎。
• 實施如 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及動態環境。
• 將路徑規劃演算法與感測器數據整合，以提高準確性。
• 在實際場景中評估各種演算法的性能。

此澳門（線上或線下）導師主導的實時培訓旨在面向高級數據科學家、AI專家以及希望構建、訓練並優化自主駕駛應用中AI模型的汽車AI開發人員。

完成本培訓後，學員將能夠：

• 理解自主車輛情境下AI與深度學習的基礎知識。
• 實施電腦視覺技術進行實時物體偵測與車道跟隨。
• 利用強化學習進行自駕系統的決策制定。
• 整合感測器融合技術以改善感知和導航能力。
• 構建深度學習模型以預測和分析駕駛情境。

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。