AI for Robotics oktatás Magyarország

A Praktikus Gyors Prototípuskészítés Robotika számára ROS 2 és Dockerrel egy gyakorlati képzés, amely segít a fejlesztőknek hatékonyan építeni, tesztelni és üzembe helyezni robotikai alkalmazásokat. A résztvevők megtanulhatják, hogyan konténerizálhatóak a robotikai környezetek, hogyan integrálhatók be ROS 2 csomagok, és gyorsan prototípusozhatók moduláris robotikai rendszerek Docker használatával reprezisztibilitás és méretezhetőség érdekében. A képzés agilitást, verziókezelést és együttműködési gyakorlatait hangsúlyozza a korai fejlesztési szakaszokban és az innovációs csapatokban.

Ez a képzés, amelyet oktató vezet (online vagy helyszínen), kezdő és középhaladó szintű résztvevőknek szánt, akik gyorsan haladni szeretnének a robotika fejlesztési munkafolyamataiban ROS 2 és Docker használatával.

A képzés végére a résztvevők képesek lesznek:

• Beállítani egy ROS 2 fejlesztési környezetet Docker konténerekben.
• Fejleszteni és tesztelni robotikai prototípusokat moduláris, reprezisztibilis beállításokban.
• Használni szimulációs eszközöket a rendszer viselkedésének érvényesítésére a hardver üzembe helyezése előtt.
• Hatékonyan együttműködni konténerizált robotikai projektekkel.
• Alkalmazni folyamatos integrációs és üzembe helyezési fogalmakat a robotika folyamatokban.

A Képzés Formátuma

• Interaktív előadások és bemutatók.
• Gyakorlati gyakorlatok ROS 2 és Docker környezetekben.
• Középtávú projektek a valós életbeli robotikai alkalmazásokra összpontosítva.

Képzés Testreszabási Opciók

• Testre szabott képzés kérése ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk az ütemezésért.

A Human-Robot Interaction (HRI): Hang, Geste és Együttműködő Kontrol egy gyakorlati tanfolyam, amely résztvevőket mutat be az intuitív felhasználói felületek tervezésének és megvalósításának alapjainak a személygép kommunikációhoz. A képzés elméleti, tervezési elveket és programozási gyakorlatokat kombinál, hogy természetes és reaktív interakciós rendszereket hozzon létre beszédet, gesteket és közös kontroll technikákat használva. A résztvevők megtanulják, hogyan integrálhatók az érzékelési modulok, hogyan fejlesszünk többmódos bemeneti rendszereket, és hogyan tervezhetnek olyan robotokat, amelyek biztonságosan együtt tudnak működni az emberekkel.

Ez az oktató által vezetett élő képzés (online vagy helyszínen) kezdő és középhaladó szintű résztvevők számára készült, akik olyan ember-gép interakciós rendszereket szeretnének tervezni és megvalósítani, amelyek javítanak az ergonomián, a biztonságon és a felhasználói élményen.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az ember-gép interakció alapjait és tervezési elveit.
• Hangalapú kontroll- és válaszmechanizmusokat kifejleszteni a robotok számára.
• Gesterek felismerését gépi látás technikák segítségével megvalósítani.
• Együttműködő kontrollrendszereket tervezni biztonságos és közös autonómiához.
• Az HRI rendszerek felhasználói élményét, biztonságát és az emberi tényezőket alapul vevő értékelést végezni.

Képzés formája

• Interaktív előadások és bemutatók.
• Gyakorlati programozási és tervezési feladatok.
• Gyakorlati kísérletek szimulációs vagy valós robotikai környezetben.

Képzés testreszabási opciói

• Testreszabott képzés kérése ehhez a tanfolyamhoz, lépjen kapcsolatba velünk a rendezéséhez.

Az Ipari Robotika Automatizálás: ROS-PLC Integráció és Digitális Kiképzők egy gyakorlatias kurzus, amely az ipari automatizálást a modern robotika keretrendszerekkel kötözi össze. A résztvevők megtanulják, hogyan integrálhatnak ROS-alapú robotikai rendszereket PLC-ekkel szinkronizált működéshez, és digitális kiképzői környezeteket használnak gyártási folyamatok megtervezésére, figyelésére és optimalizálására. A kurzus az interoperabilitást, a valós idejű vezénylést és a prediktív elemzést hangsúlyozza digitális képek használatával fizikai rendszereken.

Ez az oktató által vezetett, élőképes képzés (online vagy helyszíni) középhaladó szintű szakemberekre vonatkozik, akik gyakorlati készségeket szeretnének megszerezni a ROS-vezérlt robotok és PLC-környezetek összekapcsolásában, valamint digitális kiképzők implementálásában az automatizálás és a gyártási optimalizálás érdekében.

A képzés végeztével a résztvevők képesek lesznek:

• Ismerni a ROS és PLC rendszerek közötti kommunikációs protokollokat.
• Valós időben megvalósítani az adatcserét robotok és ipari vezérlők között.
• Fejleszteni digitális kiképzőket gyártási folyamatok figyelésére, tesztelésére és szimulációjára.
• Integrálni érzékelőket, aktuátorokat és robotikai manipulátort az ipari folyamatokban.
• Tervezni és ellenőrizni az ipari automatizálási rendszereket hibrid szimulációs környezetek használatával.

Képzés formátuma

• Interaktív előadások és architektúra átmenetek.
• Gyakorlati feladatok ROS és PLC rendszerek integrálása során.
• Szimulációs és digitális kiképzői projektek megvalósítása.

Képzés testreszabási lehetőségek

• Testreszabott képzés kérése ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a rendezésért.

A Robot manipuláció és megfogás mély tanulással egy haladó szintű képzés, amely a robota vezérlést a modern gépi tanulási technikákkal köti össze. A résztvevők felfedezhetik, hogyan segíthet a mély tanulás a látás, a mozgástervezés és a könnyű megfogás képességek fejlesztésében a robotrendszerben. Elméleti rész, szimuláció és gyakorló kódolási feladatok segítségével a képzés vezeti a tanulókat a látás alapú vezérléstől az end-to-end politika tanulásig a manipulálási feladatok esetén.

Ez a képzés egy oktatói vezetésű, élőképes szolgáltatás (online vagy helyszíni), amely haladó szintű szakemberek számára készült, akik mély tanulási módszereket szeretnének alkalmazni az intelligens, flexibilis és pontos robot manipuláció elősegítéséhez.

A képzés végeztével a résztvevők képesek lesznek:

• Fejleszteni az objektumfelismerés és a helypozíció becslésére szolgáló észlelési modelleket.
• Tanítani neurális hálózatokat a megfogási detektálás és a mozgástervezés érdekében.
• Integrálni mély tanulási modulokat robota vezérlőkkel a ROS 2 használatával.
• Szimulálni és értékelni megfogás- és manipulálási stratégiákat virtuális környezetekben.
• Telepíteni és optimalizálni a tanult modelleket valós vagy szimulált robottökrökön.

A képzés formája

• Szakértő vezetése és algoritmusok mély bemutatása.
• Gyakorló kódolási és szimulációs feladatok.
• Projektalapú megvalósítás és tesztelés.

Képzés személyre szabása lehetőségei

• A képzés személyre szabott változatának kérése érdekében lépjen kapcsolatba velünk a rendezés céljából.

A Több robotos rendszerek és csatorna intelligencia egy fejlett képzési kurzus, amely a biológiai csatornázat viselkedéséből inspirált robotcsapatok tervezését, koordinációját és irányítását vizsgálja. A résztvevők megtanulják, hogyan modellezhetnek interakciókat, megvalósíthatnak elosztott döntéshozást, valamint optimalizálhatnak együttműködést több ügynök között. A kurzus elméletet és gyakorlati szimulációt kombinál a logisztika, védelmi ipar, keresés és mentés, valamint önálló felfedezés területeinek alkalmazásaival kapcsolatos felkészítésére.

Ez az oktató által vezetett, élő képzés (online vagy helyszínen) a fejlett szintű szakemberekre vonatkozik, akik a nyílt forráskódú keretrendszerek és algoritmusok segítségével szeretnének tervezni, szimulálni és megvalósítani több robotos és csatorna alapú rendszereket.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a csatorna intelligencia és az együttműködő robotika elveit és dinamikáját.
• Tervezni kommunikációs és koordinációs stratégiákat több robotos rendszerek számára.
• Megvalósítani elosztott döntéshozatási és egyetértési algoritmusokat.
• Szimulálni kollektív viselkedéseket, mint például a formázás irányítása, a csatornázás és a lefedettség.
• Alkalmazni csatorna alapú technikákat valós életi forgatókönyvekre és optimalizálási feladatokra.

A kurzus formátuma

• Fejlett előadások és algoritmusok mélyebb áttekintése.
• Gyakorlati kódolás és szimuláció a ROS 2-ben és Gazebo-ban.
• Egy együttműködéses projekt, amely alkalmazza a csatorna intelligencia elveit.

Kurzus testreszabási lehetőségek

• A kurzus testreszabásának kérelmezéséhez kérjük, lépjen kapcsolatba velünk a megbeszéléshoz.

A TinyML egy keretrendszer, amely lehetővé teszi a gépi tanulási modellek telepítését alacsony fogyasztású mikrovezérlők és beágyazott platformokon, amelyek robotikai és önvezető rendszerekben használhatók.

Ez a tanár vezetésű élő képzés (online vagy helyszínen) haladó szintű szakemberekre vonatkozik, akik kívánják integrálni a TinyML-alapú észlelési és döntési képességeket önvezető robotokba, drónokba és intelligens irányítási rendszerekbe.

A képzés befejezése után a résztvevők képesek lesznek:

• Optimalizált TinyML modelleket tervezni robotikai felhasználásra.
• Az eszközön futó észlelési folyamatokat implementálni azonnali önállóság érdekében.
• A TinyML-et meglévő robotikai irányítási keretrendszerekbe integrálni.
• Enyhe AI modelleket üzemeltetni és tesztelni beágyazott hardverplatformokon.

Képzés formátuma

• Technikai előadások interaktív beszélgetésekkel kombinálva.
• Gyakorlási laborok, amelyek a beágyazott robotikai feladatokra összpontosítanak.
• A valós életben lévő önvezető műveletek szimulálása gyakorló feladatokon keresztül.

Képzés személyre szabási lehetőségei

• Szervezet-specifikus robotikai környezetek esetén, a személyre szabást igény szerint rendezhetjük.

A Biztonságos és magyarázható robotika egy átfogó képzés a robotikai rendszerek biztonságának, ellenőrzésének és etikai irányításának területén. A tanfolyam elméleti és gyakorlati ismereteket köt össze, beleértve a biztonsági eset metódologiái, veszélyelemzési technikák és magyarázható mesterséges intelligencia megközelítéseket, amelyek átláthatónak és megbízhatónak teszik a robotikai döntési folyamatokat. A résztvevők megtanulják, hogyan biztosítsák a megfelelőséget, ellenőrizhessék a viselkedést és dokumentálhassák a biztonsági garanciát nemzetközi szabványoknak megfelelően.

Ez az oktató által vezetett, élő képzés (online vagy helyszínen) középfokú szakemberekre vonatkozik, akik szeretnék alkalmazni a ellenőrzési, érvényesítési és magyarázhatósági elveket a robotikai rendszerek biztonságos és etikus bevezetése érdekében.

A képzés végén a résztvevők képesek lesznek:

• Biztonsági esetek kialakítása és dokumentálása robotikai és önvezető rendszerek számára.
• Ellenőrzési és érvényesítési technikák alkalmazása szimulációs környezetben.
• Magyarázható mesterséges intelligencia keretrendszerek megértése a robotika döntési folyamatához.
• Biztonság- és etikai elvek integrálása a rendszertervezésbe és működtetésbe.
• Biztonsági és átláthatósági követelmények kommunikálása a sérülékeny résztvevőkkel.

Képzés formátuma

• Interaktív előadás és vitaszórás.
• Gyakorlati szimulációs és biztonsági elemző feladatok.
• Változatos robotikai alkalmazások eseteinek áttekintése.

Képzés személyre szabása

• Egyedi képzés kérése ennek a tanfolyamnak. Kérjük, lépjen kapcsolatba velünk a rendezésért.

Az Edge AI lehetővé teszi, hogy mesterséges intelligencia modellek közvetlenül beágyazott vagy erőforrás-szoros eszközökön fuszanak, csökkentve az időkészségét és a teljesítményt, miközben növeli az önállóságot és a privátiságot robotikai rendszerekben.

Ez az oktató által vezetett élő képzés (online vagy helyszíni) közép szintű beágyazott fejlesztőknek és robotika mérnököknek szól, akik kívánjanak gépi tanulási inferencia- és optimalizálási technikákat közvetlenül robotikai hardveren implementálni a TinyML és az Edge AI keretrendszerek segítségével.

A képzés végeztével a résztvevők képesek lesznek:

• A TinyML és az Edge AI alapjainak megértése robotikában.
• AI modellek konvertálása és implementálása eszközön futó inferenciához.
• Modell optimalizálása sebesség, méret és energiahatékonyság szempontjából.
• Edge AI rendszerek integrálása robotikai irányítási architektúrákba.
• A teljesítmény és a pontosítás értékelése valós helyzetekben.

Képzés formátuma

• Interaktív előadás és vita.
• Gyakorlás a TinyML és az Edge AI eszközökházasított verzióinak használatával.
• Praktikum beágyazott és robotika hardver platformokon.

Képzés személyre szabása

• Ez a képzés személyre szabásáért kérjük lépjen kapcsolatba velünk a megfelelő rendezéséhez.

Ez az oktató által vezetett élő képzés Magyarország (online vagy helyszíni) középhozzállástú résztvevőkre vonatkozik, akik szeretnék felfedezni a szerepét az együttműködő robotoknak (cobots) és más emberi középpontú mesterséges intelligencia rendszereknek a modern munkahelyeken.

A képzés végeztével a résztvevők képesek lesznek:

• Megérteni az Emberi Középpontú Fizikai Mesterséges Intelligencia elveit és alkalmazásait.
• Felfedezni a szerepét az együttműködő robotoknak a munkahely termelékenységének növelésében.
• Azonosítani és kezelni a ember-gép interakciók kihívásait.
• Tervezni olyan munkafolyamatokat, amelyek optimalizálják az emberek és a mesterséges intelligenciával vezérelt rendszerek együttműködését.
• Fokozni a kultúrát az innovációra és alkalmazkodásra a mesterséges intelligenciával integrált munkahelyeken.

Az erősítő tanulás (RL) egy gépi tanulási paradigma, ahol az ügynökök úgy tanulnak döntéseket meghozni, hogy interakcióba lépnek környezetükkel. A robotika területén az RL lehetővé teszi önálló rendszerek adaptív ellenőrzési és döntéshozatali képességeinek fejlesztését tapasztalattal és visszajelzéssel.

Ez a tanárok irányleadású, élő képzés (online vagy helyszínen) haladó szintű gépi tanulási mérnököknek, robotika kutatóknak és fejlesztőknek szánt, akik szeretnék tervezni, megvalósítani és üzembe helyezni erősítő tanulási algoritmusokat robotikai alkalmazásokban.

A képzés végére a résztvevők képesek lesznek:

• Értetni az erősítő tanulás elveit és matematikáját.
• Megvalósítani RL algoritmusokat, mint például a Q-learning, DDPG és PPO-t.
• Egészíteni be az erősítő tanulást robotikai szimulációs környezetekbe az OpenAI Gym és ROS 2 használatával.
• Képesíteni a robotokat arra, hogy összetett feladatokat hajtassanak végre önállóan kipróbálás és hiba elkerülése révén.
• A tanulási teljesítmény optimalizálása mély tanulási keretrendszerek, mint a PyTorch használatával.

Képzés formátuma

• Interaktív előadás és vitafórum.
• Működési gyakorlatok a Python, PyTorch és OpenAI Gym használatával.
• Működési feladatok szimulált vagy fizikai robotikai környezetben.

Képzés testreszabási opciók

• Ezen képzés testreszabásának kérése érdekében kérjük, lépjen kapcsolatba velünk a rendezéshez.

Az OpenCV egy nyílt forráskódú számítógépes látási könyvtár, amely lehetővé teszi a valós idejű képfeldolgozást, míg a mély tanulási keretrendszerek, mint a TensorFlow, eszközöket nyújtanak az okos észleléshez és döntéshozatalhoz a robotikai rendszerekben.

Ez az oktató által vezetett élő képzés (online vagy helyszíni) olyan középhaladó robotika-mérnököknek, számítógépes látás-praktikusoknak és gépi tanulási mérnököknek irányzott, akik szeretnék alkalmazni a számítógépes láthatósági és mély tanulási technikákat a robotikai észleléshez és önálló működéshez.

A képzés végén a résztvevők képesek lesznek:

• Számítógépes látás folyamatokat valósítani meg az OpenCV-val.
• Mély tanulási modelleket integrálni az objektum-felismeréshez és -azonosításhoz.
• Látási adatokat használni a robotikai irányításra és navigációra.
• Klasszikus látási algoritmusokat kombinálni mély neurális hálózatokkal.
• Számítógépes láthatósági rendszereket ütemezni beágyazott és robotikai platformokon.

A kurzus formátuma

• Interaktív előadás és tárgyalás.
• Kézi gyakorlás az OpenCV és TensorFlow használatával.
• Élő laborimplementáció szimulált vagy fizikai robotikai rendszerekben.

Kurzus testreszabási lehetőségek

• A kurzus testreszabásának kérése érdekében kérjük, lépjen kapcsolatba velünk a rendezéshez.

Ez a szakértő vezette, élő képzés Magyarország (online vagy helyszínen) az olyan előrehaladott szintű robotikai mérnököknek és műszaki szakembereknek szólnak, akik a Multimodal AI-t szeretnék felhasználni különböző érzékelőadatok integrálására, hogy autonómabb és hatékonyabb robotokat hozzanak létre, amelyek látnak, hallanak és érzik.

A képzés végén a résztvevők képesek lesznek:

• Multimodal érzékelést implementálni robotikai rendszerekben.
• Érzékelőadatok fúziójához és döntéshozatalhoz szükséges AI algoritmusokat fejlesztik.
• Robotokat hoznak létre, amelyek képesek komplex feladatok elvégzésére dinamikus környezetben.
• Valós idejű adatfeldolgozási és aktuációs kihívásokat oldanak meg.

A Smart Robotics az olyan robotrendszerek integrációja mesterséges intelligenciával, amely javítja az érzékelést, döntéshozatalt és önálló irányítást.

Ez az oktatóvezetett, élő (online vagy helyszíni) képzés a haladó szintű robotika mérnökekre, rendszermérnökökre és automatizálási vezetőkre irányul, akik szeretnének implementálni az AI-vezérelt érzékelést, tervezést és irányítást intelligens gyártási környezetekben.

E képzés végén a résztvevők képesek lesznek:

• Megérteni és alkalmazni az AI technikákat robotika érzékelésére és szenzorfúzióra.
• Mozgástervezési algoritmusokat fejleszteni kollaboratív és ipari robotokhoz.
• Tanuló alapú irányítási stratégiákat telepíteni valós idejű döntéshozatalhoz.
• Intelligens robotrendszereket integrálni intelligens gyárfolyamatokba.

A képzés formátuma

• Interaktív előadás és beszélgetés.
• Sok gyakorlat és gyakorlás.
• Élő-labori környezetben történő gyakorlati implementáció.

A képzés testreszabási lehetőségei

• Ha egy testreszabott képzést szeretne e képzésre, kérjük, lépjen kapcsolatba velünk, hogy megbeszéljük.

A ROS 2 (Robot Operating System 2) egy nyílt forráskódú keretrendszer, amely összetett és skálázható robota alkalmazások fejlesztését támogatja.

Ez az oktató vezetésű élő képzés (online vagy helyszíni) közép szintű robottechnikusok és fejlesztők számára készült, akik a ROS 2-t szeretnék implementálni autonóm navigációs és SLAM (Simultaneous Localization and Mapping) feladatokhoz.

E képzés végeztével a résztvevők képesek lesznek:

• Beállítani és konfigurálni a ROS 2-t autonóm navigációs alkalmazásokhoz.
• Implementálni SLAM algoritmusokat térképes és helymeghatározó feladatokhoz.
• Kiépíteni érzékelőket, mint a LiDAR-t és kamerákat a ROS 2-vel.
• Szimulálni és tesztelni az autonóm navigációt a Gazebo-ban.
• Kiüzemelni navigációs veremeket fizikai robotokon.

A képzés formátuma

• Interaktív előadás és vita.
• Rendszeres gyakorlás a ROS 2 eszközeivel és szimulációs környezetekben.
• Virtuális vagy fizikai robotokon történő élő-labor implementáció és tesztelés.

Képzés testreszabási lehetőségek

• Ez a képzés testreszabásának kérése érdekében lépjen kapcsolatba velünk a rendezéshez.

Ez az oktató által vezetett, élő tanfolyam Magyarország (online vagy helyszínen) középfokú résztvevőkre vonatkozik, akik a robotika és automatizálás területén intelligens robottömbök kialakításában, programozásában és telepítésében szeretnék fejleszteni képességeiket.

A tanfolyam végén a résztvevők képesek lesznek:

• Megérteni a fizikai mesterségek elveit és alkalmazásaikat a robotika és automatizálás területén.
• Tervezni és programozni intelligens robottömböket dinamikus környezetekben.
• Implementálni mesterséges intelligencia modellket az önálló döntéshozatalhoz a robotokban.
• Hasznosítani szimulációs eszközöket robottesztelés és optimalizálás érdekében.
• Megoldani kihívásokat, mint például a szenzorök összekötése, valós idejű feldolgozás és energiahatékonyság.

A mesterséges intelligencia (MI) és a robotika összekapcsolása gépi tanulást, vezérlési rendszereket és érzékelő-integrációt használva olyan okos gépeket teremt, amelyek képesek felismerni, gondolkodni és önállóan cselekedni. A modern eszközök, mint a ROS 2, a TensorFlow és az OpenCV segítségével mostantól olyan robotokat tervezhetnek mérnökök, amelyek intelligensen navigálhatnak, tervezhetnek és interakcióba léphetnek a valós világ környezetével.

Ez az oktató által vezetett élő képzés (online vagy helyszínen) közepes szintű mérnökök számára készült, akik a jelenlegi nyílt forráskódú technológiák és keretrendszerek segítségével MI-alapú robotrendszerfejlesztést szeretnének tanulni, betanítani és bevezetni.

A képzés végén a résztvevők képesek lesznek:

• Python és ROS 2 használatával építeni és szimulálni robotviselkedéseket.
• Kalman- és Részecskészűrőket implementálni helymeghatározásra és nyomkövetésre.
• Tárgyi felismerést és detektálást alkalmazni az OpenCV segítségével a felismeréshez.
• Mozgáspredikciót és tanulási vezérlést használni a TensorFlow segítségével.
• Integrálni az SLAM (Simultaneous Localization and Mapping) önkényes navigációhoz.
• Mesterséges intelligencia alapú megtanuló modelleket fejleszteni a robot döntési folyamatának javításához.

A képzés formátuma

• Interaktív előadás és vita.
• Működőképes implementáció ROS 2 és Python segítségével.
• Gyakorlati gyakorlatok szimulált és valós robot környezetben.

Képzés testreszabási lehetőségek

A képzés testreszabásának kérelmezéséhez kérjük, lépjen kapcsolatba velünk a megfelelő rendezés érdekében.

Ez az oktatóvezetésű, élő tanfolyam Magyarország (online vagy helyszíni) keretében a résztvevők megismerhetik a különböző technológiákat, keretrendszereket és technikákat, amelyekkel különböző típusú robotokat lehet programozni az atomtechnológiai és környezeti rendszerek terén való alkalmazáshoz.

A 6 héttel tartó kurzus heti 5 napos. Minden nap 4 órás és előadások, beszélgetések, valamint élő laboratóriumi környezetben történő robotfejlesztésből áll. A résztvevők különböző valós világbeli projekteket fognak végrehajtani, hogy gyakorolják az elsajátított ismeretüket.

A kurzus célhardverét 3D-s szimulációs programmal lehet szimulálni. A ROS (Robot Operating System) nyílt forráskódú keretrendszert, C++-t és Python-t fogják használni a robotok programozásához.

A tanfolyam végére a résztvevők képesek lesznek:

• Megérteni a robottechnológiában használt kulcsfogalmakat.
• Megérteni és kezelni a robotikus rendszerben a szoftver és hardver közötti interakciót.
• Megérteni és implementálni a robotika alapját képező szoftverkomponenseket.
• Létrehozni és működtetni egy szimulált mechanikus robott, amely lát, érzékel, feldolgoz, navigál, és beszéd útján emberrel kommunikál.
• Megérteni az öntudatos robot építéséhez szükséges művészi intelligencia (gép tanulás, mély tanulás stb.) elemeit.
• Implementálni a Kalman és Partikuláris szűrőket, hogy a robot képes legyen mozgó tárgyakat azonosítani környezetében.
• Implementálni kereső algoritmusokat és mozgástervezést.
• Implementálni PID-irányítást a robot mozgásának szabályozására egy környezetben.
• Implementálni SLAM algoritmusokat, hogy a robot képes legyen ismeretlen környezeteket feltérképezni.
• Bővíteni a robot képességeit a mély tanulás segítségével, hogy összetett feladatok végrehajtására képes legyen.
• Tesztelni és hibakeresést végezni egy roboton valós helyzetekben.

Ez az oktatóvezetett, élő (online vagy helyszíni) képzés során a résztvevők megtanulják a különböző technológiákat, keretrendszereket és technikákat, amelyek szükségesek különböző robotok programozására, amelyek a nukleáris technológia és környezeti rendszerek terén használhatók.

A 4 hetes kurzus heti 5 alkalommal tart, minden nap 4 órás, előadásokból, beszélgetésekből és gyakorlati robotfejlesztésből álló élő laboratóriumi környezetben. A résztvevők különböző valós világbeli projekteket végeznek el, amelyek alkalmazhatók munkájukban, hogy gyakorolják a megszerzett tudásukat.

Ez a kurzus célhardverét 3D-s szimulációs szoftverrel szimulálják. A kódot ezután fizikai hardverre (Arduino vagy egyéb) töltik fel a végleges telepítési teszteléshez. A ROS (Robot Operating System) nyílt forráskódú keretrendszer, C++ és Python használatos lesz a robotok programozására.

Ez a képzés végén a résztvevők képesek lesznek:

• Megértik a robotikus technológiák kulcsfontosságú fogalmait.
• Megértik és kezelhetik a szoftver és hardver közötti interakciót egy robotikus rendszerben.
• Megértik és implementálják a robotika alapját képező szoftverkomponenseket.
• Kiépíthetnek és működtethetnének egy szimulált mechanikus robotot, amely lát, érzékel, feldolgoz, navigál és beszélget emberrel hangon keresztül.
• Megértik az mesterséges intelligencia (gép tanulás, mély tanulás stb.) szükséges elemeit egy okos robot építéséhez.
• Implementálják a szűrőket (Kalman és részecske), hogy a robot mozgó tárgyakat ismerjen fel környezetében.
• Implementálják a kereső algoritmusokat és a mozgási tervezést.
• Implementálják a PID irányítást, hogy szabályozzák a robot mozgását egy környezetben.
• Implementálják a SLAM algoritmusokat, hogy a robot ismeretlen környezetet térképezzen fel.
• Tesztelik és hibakeresést végeznek egy roboton valós körülmények között.

Az Azure Bot Service kombinálja a Microsoft Bot Framework és az Azure függvények erejét, hogy intelligens botok gyors fejlesztésének lehetővé váljon.

Ez az interaktív, tanárok vezetésű képzés során a résztvevők megtanulhatják, hogyan hozzanak létre intelligens bótot a Microsoft Azure segítségével

A képzés végén a résztvevők képesek lesznek:

• Megérteni az intelligens botok alapjait
• Megtanulni, hogyan hozhatók létre intelligens botok felhőalapú alkalmazásokkal
• Megérteni a Microsoft Bot Framework, a Bot Builder SDK és az Azure Bot Service használatát
• Megérteni, hogyan lehet botokat tervezni bot minták segítségével
• Fejleszteni az első intelligens bótjukat a Microsoft Azure segítségével

Célcsoport

• Fejlesztők
• Hobbyizták
• Mérnökök
• IT szakemberek

A képzés formája

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorló feladatok

A bot vagy chatbot olyan, mint egy számítógépes asszisztens, amely automatizálja a felhasználói interakciókat különböző üzenetküldő platformokon, és gyorsabban intézi el a dolgokat anélkül, hogy a felhasználóknak beszélniük kellene egy másik emberrel.

Ezen az oktató által vezetett, élő tréningen a résztvevők megtanulják, hogyan kezdjenek hozzá egy bot fejlesztéséhez, miközben botfejlesztő eszközök és keretrendszerek segítségével csevegőbot-mintákat hoznak létre.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a botok különböző felhasználásait és alkalmazásait
• Ismerje meg a robotok fejlesztésének teljes folyamatát
• Fedezze fel a robotok építéséhez használt különféle eszközöket és platformokat
• Készítsen minta chatbotot a Facebook Messenger számára
• Készítsen minta chatbotot az Microsoft Bot Framework segítségével

Közönség

• Saját bot létrehozása iránt érdeklődő fejlesztők

A tanfolyam formátuma

• Rész előadás, részben beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) mérnökök számára készült, akik szeretnének megismerkedni a mesterségek mesterségeinek (AI) alkalmazhatóságával a mechatronikai rendszerekben.

A képzés végén a résztvevők képesek lesznek:

• Áttekintést nyerni a mesterségek mesterségeiről (AI), gépi tanulásról és számítási intelligenciáról.
• Megérteni a neurális hálózatok és különböző tanulási módszerek alapvető fogalmait.
• Hatékonyan választani mesterségek mesterségei (AI) megoldásokat valós életben szereplő problémákra.
• Implementálni mesterségek mesterségei (AI) alkalmazásokat a mechatronikai mérnökségben.

Az intelligens robot egy olyan Artificial Intelligence (AI) rendszer, amely képes tanulni a környezetéből és tapasztalataiból, és e tudáson alapuló képességeire építeni. Smart Robots tud együttműködni az emberekkel, velük együtt dolgozni, és tanulni viselkedésükből. Ráadásul nemcsak fizikai munkára, hanem kognitív feladatokra is képesek. A fizikai robotok mellett a Smart Robots lehet pusztán szoftver alapú is, amely a számítógépben, mint szoftveralkalmazásban található, és nincs mozgó alkatrész, vagy fizikai interakció a világgal.

Ezen az oktató által vezetett, élő tréningen a résztvevők megtanulják a különböző technológiákat, keretrendszereket és technikákat a különböző típusú mechanikusok programozására Smart Robots, majd ezt a tudást alkalmazzák saját Smart Robot projektjeik megvalósításához.

A kurzus 4 részre oszlik, mindegyik háromnapos előadásokból, beszélgetésekből és gyakorlati robotfejlesztésből áll, élő laborkörnyezetben. Minden szekció gyakorlati gyakorlati projekttel zárul, hogy a résztvevők gyakorolhassák és bemutathassák megszerzett tudásukat.

A kurzus célhardverét 3D-ben szimulálják szimulációs szoftver segítségével. A ROS (Robot Operating System) nyílt forráskódú keretrendszer, C++ és Python lesz a robotok programozása.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a robottechnológiában használt kulcsfogalmakat
• A szoftver és a hardver közötti interakció megértése és kezelése egy robotrendszerben
• A Smart Robots alapját képező szoftverösszetevők megértése és megvalósítása
• Szimulált mechanikus intelligens robot létrehozása és működtetése, amely képes látni, érzékelni, feldolgozni, megragadni, navigálni, és hangon keresztül kölcsönhatásba lépni velük
• Bővítse az intelligens robotok képességét összetett feladatok elvégzésére a Deep Learning segítségével
• Teszteljen és hárítson el egy intelligens robotot valósághű forgatókönyvek szerint

Közönség

• Fejlesztők
• Mérnökök

A tanfolyam formátuma

• Rész előadás, részben beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

Jegyzet

• A tanfolyam bármely részének testreszabásához (programozási nyelv, robotmodell stb.) kérjük, lépjen kapcsolatba velünk, hogy megbeszéljük.