Curso de Visão Computacional para Veículos Autônomos

Este treinamento prático, conduzido por um instrutor, em Portugal (online ou presencial), é voltado para engenheiros de robótica e pesquisadores de IA de nível avançado que desejam implementar algoritmos sofisticados de planejamento de trajetória para aprimorar o desempenho de veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os fundamentos teóricos de algoritmos avançados de planejamento de trajetória.
• Implementar algoritmos como RRT*, A* e D* para navegação em tempo real.
• Otimizar o planejamento de trajetória para evitar obstáculos e operar em ambientes dinâmicos.
• Integrar algoritmos de planejamento de trajetória com dados de sensores para maior precisão.
• Avaliar o desempenho de vários algoritmos em cenários práticos.

Esta formação ao vivo, liderada por um instrutor em Portugal (online ou presencial), é direcionada a cientistas de dados avançados, especialistas em IA e desenvolvedores de IA automotiva que desejam construir, treinar e otimizar modelos de IA para aplicações de veículos autônomos.

Ao final desta formação, os participantes serão capazes de:

• Compreender os fundamentos de IA e aprendizado profundo no contexto de veículos autônomos.
• Implementar técnicas de visão computacional para detecção de objetos em tempo real e acompanhamento de faixas.
• Utilizar aprendizado por reforço para tomada de decisões em sistemas de veículos autônomos.
• Integrar técnicas de fusão de sensores para melhor percepção e navegação.
• Construir modelos de aprendizado profundo para prever e analisar cenários de direção.

Este treinamento prático, liderado por um instrutor (online ou presencial), é direcionado a engenheiros de segurança avançados e profissionais de segurança automotiva que desejam desenvolver estratégias de segurança abrangentes para veículos autônomos, incluindo análise de riscos, avaliações de segurança funcional e conformidade com os padrões internacionais.

Ao concluir este treinamento, os participantes serão capazes de:

• Identificar e avaliar os riscos de segurança associados aos sistemas de direção autônoma.
• Realizar análise de riscos e avaliação de riscos usando os padrões da indústria.
• Implementar métodos de validação e verificação de segurança para sistemas de AV.
• Aplicar padrões de segurança funcional, como ISO 26262 e SOTIF.
• Desenvolver estratégias de mitigação de riscos para os desafios de segurança de AV.

Este treinamento ao vivo, conduzido por um instrutor, em Portugal (online ou presencial), é destinado a profissionais de nível iniciante que desejam explorar os dilemas éticos e as estruturas legais que envolvem veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender as implicações éticas da tomada de decisão baseada em IA em veículos autônomos.
• Analisar as estruturas e políticas legais globais que regulamentam carros autônomos.
• Examinar a responsabilidade e a responsabilização em caso de acidentes com veículos autônomos.
• Avaliar o equilíbrio entre inovação e segurança pública nas leis de condução autônoma.
• Discutir estudos de caso do mundo real envolvendo dilemas éticos e disputas legais.

Esta formação ao vivo e conduzida por instrutor em Portugal (online ou presencial) é destinada a profissionais de nível iniciante da força policial que desejam migrar do esboço manual facial para o uso de ferramentas de inteligência artificial na criação de sistemas de reconhecimento facial.

Ao final desta formação, os participantes serão capazes de:

• Compreender os fundamentos de Inteligência Artificial e Aprendizado de Máquina.
• Conhecer as bases do processamento digital de imagens e sua aplicação no reconhecimento facial.
• Desenvolver habilidades no uso de ferramentas e frameworks de IA para criar modelos de reconhecimento facial.
• Obter experiência prática na criação, treinamento e teste de sistemas de reconhecimento facial.
• Compreender as considerações éticas e melhores práticas no uso da tecnologia de reconhecimento facial.

Fiji é um pacote de processamento de imagens de código aberto que agrupa o ImageJ (um programa de processamento de imagens para imagens científicas multidimensionais) e uma série de plugins para análise de imagens científicas.

Neste treinamento liderado por instrutor, os participantes aprenderão a usar a distribuição Fiji e seu programa subjacente ImageJ para criar um aplicativo de análise de imagens.

Ao final deste treinamento, os participantes serão capazes de:

• Usar as funcionalidades avançadas de programação e componentes de software do Fiji para estender o ImageJ
• Unir imagens 3D grandes a partir de tiles sobrepostos
• Atualizar automaticamente uma instalação do Fiji na inicialização usando o sistema de atualização integrado
• Escolher entre uma ampla seleção de linguagens de script para construir soluções personalizadas de análise de imagens
• Usar as poderosas bibliotecas do Fiji, como ImgLib, em conjuntos de dados de bioimagens grandes
• Implementar seu aplicativo e colaborar com outros cientistas em projetos semelhantes

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Este treinamento orientado por instrutor (online ou presencial) é destinado a pesquisadores e profissionais de laboratório de nível iniciante a intermediário que desejam processar e analisar imagens relacionadas a tecidos histológicos, células sanguíneas, algas e outras amostras biológicas.

Ao final deste treinamento, os participantes serão capazes de:

• Navegar na interface do Fiji e utilizar as funções principais do ImageJ.
• Pré-processar e melhorar imagens científicas para uma análise mais precisa.
• Analisar imagens quantitativamente, incluindo contagem de células e medição de áreas.
• Automatizar tarefas repetitivas usando macros e plugins.
• Personalizar fluxos de trabalho para necessidades específicas de análise de imagens em pesquisa biológica.

Este treinamento, ministrado por um instrutor ao vivo (online ou presencial), é destinado a profissionais e entusiastas de nível iniciante que desejam compreender os conceitos fundamentais, as tecnologias e as aplicações de veículos autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os principais componentes e os princípios de funcionamento dos veículos autônomos.
• Explorar o papel da IA, dos sensores e do processamento de dados em tempo real nos sistemas de direção autônoma.
• Analisar os diferentes níveis de autonomia veicular e suas aplicações no mundo real.
• Examinar os aspectos éticos, legais e regulamentares da mobilidade autônoma.
• Obter experiência prática com simulações de veículos autônomos.

Este treinamento prático, ministrado por um instrutor, em Portugal (online ou presencial) é destinado a especialistas avançados em fusão de sensores e engenheiros de IA que desejam desenvolver algoritmos de fusão multi-sensor e otimizar a navegação em tempo real em sistemas autônomos.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os fundamentos e os desafios da fusão de dados multi-sensor.
• Implementar algoritmos de fusão de sensores para navegação autônoma em tempo real.
• Integrar dados de LiDAR, câmeras e RADAR para aprimoramento da percepção.
• Analisar e avaliar o desempenho do sistema de fusão em diversas condições.
• Desenvolver soluções práticas para redução de ruído de sensores e alinhamento de dados.

OpenCV (Open Source Computer Vision Library: http://opencv.org) é uma biblioteca de código aberto licenciada pela BSD que inclui várias centenas de algoritmos de visão por computador.

Público alvo

Este curso destina-se a engenheiros e arquitectos que pretendam utilizar OpenCV em projectos de visão por computador

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a engenheiros de software que desejam programar em Python com OpenCV 4 para aprendizado profundo.

Ao final deste treinamento, os participantes serão capazes de:

• Visualizar, carregar e classificar imagens e vídeos usando OpenCV 4.
• Implementar o aprendizado profundo em OpenCV 4 com TensorFlow e Keras.
• Execute modelos de aprendizado profundo e gere relatórios impactantes a partir de imagens e vídeos.

Pattern Matching é uma técnica utilizada para localizar padrões específicos numa imagem. Pode ser utilizada para determinar a existência de caraterísticas específicas numa imagem capturada, por exemplo, a etiqueta esperada num produto defeituoso numa linha de produção ou as dimensões especificadas de um componente. É diferente de "Pattern Recognition" (que reconhece padrões gerais com base em colecções maiores de amostras relacionadas) na medida em que dita especificamente o que estamos à procura e depois diz-nos se o padrão esperado existe ou não.

Formato do curso

• Este curso apresenta as abordagens, tecnologias e algoritmos utilizados no campo da correspondência de padrões, uma vez que se aplica a Machine Vision.

Este treinamento, ministrado por um instrutor ao vivo (online ou presencial), é direcionado a engenheiros de nível intermediário, profissionais automotivos e especialistas em IoT que desejam compreender o papel dos sensores em carros autônomos, abrangendo LiDAR, radar, câmeras e técnicas de fusão de sensores.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os diferentes tipos de sensores utilizados em veículos autônomos.
• Analisar dados de sensores para percepção e tomada de decisão em tempo real do veículo.
• Implementar técnicas de fusão de sensores para melhorar a precisão e a segurança do veículo.
• Otimizar o posicionamento e a calibração dos sensores para aprimorar o desempenho da condução autônoma.

Esta formação ao vivo, ministrada por um instrutor em Portugal (online ou presencial), é direcionada a profissionais de nível intermediário que desejam usar o Vision Builder AI para projetar, implementar e otimizar sistemas de inspeção automatizados para processos SMT (Surface-Mount Technology).

No final desta formação, os participantes serão capazes de:

• Configurar e configurar inspeções automatizadas usando o Vision Builder AI.
• Obter e pré-processar imagens de alta qualidade para análise.
• Implementar decisões baseadas em lógica para detecção de defeitos e validação do processo.
• Gerar relatórios de inspeção e otimizar o desempenho do sistema.