Mesterséges intelligencia (MI) a robotika számára Képzés

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.

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.

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

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.

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

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 oktatóvezetésű, élő képzés Magyarország (online vagy helyszínen) középszerű résztvevőknek szól, akik meg akarnák tanulmányozni a kollaboratív robotok (cobots) és más emberközpontú AI rendszerek szerepét a modern munkahelyeken.

E képzés végén a résztvevők képesek lesznek:

• Megértik az Emberközpontú Fizikai AI alapelvét és alkalmazásait.
• Megvizsgálják a kollaboratív robotok szerepét a munkahelyi termelékenység növelésében.
• Az ember-gép interakciók kihívásait azonosítják és kezelik.
• Munkafolyamatokat terveznek, amely optimalizálja az emberek és AI-hajtó rendszerek közötti együttműködést.
• Innovációs és adaptív kultúrát támogatnak az AI-integrált munkahelyeken.

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.

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.

Ez az oktatóvezetett, élő tanfolyam Magyarország (online vagy helyszíni) olyan középfokú résztvevőknek szánva, akik szeretnék fejleszteni az intelligens robotrendszerek tervezésének, programozásának és telepítésének készségeit automatizálási és egyéb célokra.

A tanfolyam végére a résztvevők képesek lesznek:

• Megérteni a Fizikai AI alapelveit és alkalmazásait a robotika és automatizálás területén.
• Intelligens robotrendszerek tervezése és programozása dinamikus környezetekben.
• AI-modellek implementálása robotteknél az önálló döntéshozatalhoz.
• Szimulációs eszközök használata robotteszteléshez és optimalizáláshoz.
• Kihívások kezelése, mint a szenzoros összevonás, valós idejű feldolgozás és energiahatékonyság.

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 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.

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.