Kurzusleírás

01. hét

Bevezetés

    Mitől lesz egy robot okos?

Fizikai vs virtuális robotok

    Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA) stb.

A mesterséges intelligencia (AI) szerepe Robotics

    Túl a „ha-akkor-más”-on és a tanulógépen Az AI mögötti algoritmusok gépi tanulás, számítógépes látás, természetes nyelvi feldolgozás (NLP) stb. Kognitív robotika

A Big Data szerepe a Robotics

    Döntéshozatal adatok és minták alapján

A felhő és Robotics

    A robotika és az informatika összekapcsolása Több információhoz hozzáférő és együttműködő, funkcionálisabb robotok létrehozása

Esettanulmány: Ipari robotok

    Mechanikus robotok Baxter
Robotok a nukleáris létesítményekben Sugárzás észlelése és védelem
  • Robotok a nukleáris React vagy sugárzás észlelésében és védelemben
  • A robot hardver alkatrészei
  • Motorok, érzékelők, mikrokontrollerek, kamerák stb.
  • A robotok gyakori Element-ei

      Gépi látás, hangfelismerés, beszédszintézis, közelségérzékelés, nyomásérzékelés stb.

    Fejlesztési keretrendszerek Programming egy robothoz

      Nyílt forráskódú és kereskedelmi keretrendszerek Robot operációs rendszer (ROS) Architektúra: munkaterület, témák, üzenetek, szolgáltatások, csomópontok, actionlibs, eszközök stb.

    Nyelvek Programming egy robothoz

      C++ az alacsony szintű vezérléshez Python hangszereléshez Programozás ROS csomópontok Python és C ++ nyelven Egyéb nyelvek

    Eszközök egy fizikai robot szimulálásához

      Kereskedelmi és nyílt forráskódú 3D szimulációs és vizualizációs szoftver

     

      02 hét

    A fejlesztési környezet előkészítése

    Szoftvertelepítés és beállítás Hasznos csomagok és segédprogramok

    Esettanulmány: Mechanikus robotok

      Robotok a nukleáris technológia területén Robotok a környezeti rendszerekben

    Programming a Robot

      Csomópont programozása Pythonban és C ++-ban A ROS csomópont megértése Üzenetek és témák a ROS-ban Publikáció / előfizetés paradigma Projekt: Bump & Go valódi robottal Hibaelhárítás Robotok szimulációja Gazebo-val / ROS Keretek a ROS-ban és hivatkozás változások Kamerák 2D információfeldolgozása OpenCV-vel Lézeres projekt információfeldolgozása: Objektumok biztonságos követése szín szerint Hibaelhárítás

     

      03. hét

    Programming a robot (Folytatás...)

    Szolgáltatások ROS 3D információfeldolgozásban RGB-D érzékelők PCL térképekkel és navigáció ROS Projecttel: Search a környezetben lévő objektumokhoz Hibaelhárítás

    Programming a robot (Folytatás...)

      ActionLib Speech Recognition és Speech Generation Robotkarok vezérlése a MoveIt! Robotnyak vezérlése az aktív látás érdekében Projekt: Tárgyak keresése és gyűjtése Hibaelhárítás

    A robot tesztelése

      Egységteszt

     

      04. hét

    A robotok képességeinek bővítése Deep Learning

    Érzékelés – látás, hang és tapintások Tudásreprezentáció Hangfelismerés NLP-n keresztül (természetes nyelvi feldolgozás) Computer látás

    Gyorspálya itt: Deep Learning

      Mesterséges Neural Networks (ANNs) Mesterséges Neural Networks kontra biológiai Neural Networks Feedforward Neural Networks Aktiválási funkciók képzése Mesterséges Neural Networks

    Gyorspálya a Deep Learning-ban (Folytatás...)

      Deep Learning Konvolúciós hálózatok és visszatérő hálózatok modellezése

    Konvolúciós Neural Networks (CNN-ek vagy ConvNets) konvolúciós réteg

      Összevonó réteg
    Konvolúciós Neural Networks Építészet
  •  
  • 05. hét
  • Gyorspálya a Deep Learning-ban (Folytatás...)
  • Ismétlődő Neural Networks (RNN) Egy RNN képzése Gradiensek stabilizálása edzés közben Hosszú, rövid távú memória hálózatok

    Mély tanulási platformok és szoftverkönyvtárak Mély tanulás a ROS-ban

    Az Big Data használata a robotodban

      Big data fogalmak Az adatelemzés megközelítései Big Data eszközök Az adatok mintáinak felismerése Gyakorlat: NLP és Computer Vision nagy adathalmazokon
    Az Big Data használata a robotodban (Folytatás...)
  • Nagy adathalmazok elosztott feldolgozása Big Data és Robotics A robot, mint adatgenerátor Hatóságmérő szenzorok, helyzetmérő, vizuális, tapintható érzékelők és egyéb modalitások együttélése és keresztezése
  • Az érzékszervi adatok értelmesítése (érzékelés-terv-cselekvés hurok)

      Gyakorlat: Streaming adatok rögzítése

    Programming egy autonóm mélytanuló robot

      Deep Learning robot komponensek A robotszimulátor beállítása CUDA-gyorsított neurális hálózat futtatása Cafe hibaelhárítással
     
  • 06. hét
  • Programming egy autonóm mélytanuló robot (Folytatás...)
  • Tárgyak felismerése fényképeken vagy videofolyamokban Számítógépes látás engedélyezése OpenCV Hibaelhárítás

      Adatelemzés

    A robot használata új adatok gyűjtésére és rendszerezésére Eszközök és folyamatok az adatok értelmezéséhez

    Robot telepítése

    Szimulált robot átalakítása fizikai hardverre A robot bevetése a fizikai világban Robotok megfigyelése és szervizelése a terepen

      Robotja biztonsága

    A jogosulatlan manipuláció megakadályozása Megakadályozza, hogy a hackerek megtekintsék és ellopják az érzékeny adatokat

      Robot építése közösen

    Robot építése a felhőben Csatlakozás a robotikai közösséghez

      A robotok jövője Outlook a tudomány és az energia területén

    Összefoglalás, és következtetés

    Követelmények

    • Programozási tapasztalat C vagy C++ nyelven
    • Programozási tapasztalat Python területen (hasznos, de nem szükséges; természetesen tanítható)
    • Linux parancssoros tapasztalat

    Közönség

    • Fejlesztők
    • Mérnökök
    • Tudósok
    • Technikusok
     120 Hours

    Résztvevők száma



    Ár per résztvevő

    Vélemények (1)

    Rokon tanfolyam

    Smart Robots for Developers

    84 Hours

    Rokon kategóriák