Online or onsite, instructor-led live Autonomous Vehicles (AVs) training courses demonstrate through interactive hands-on practice how to use cutting-edge technologies and algorithms to develop, optimize, and implement autonomous driving systems.
AVs training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live Autonomous Vehicles (AVs) training can be carried out locally on customer premises in Oslo or in NobleProg corporate training centers in Oslo.
Denne instruktørledede, live-opplæringen (online eller på stedet) er rettet mot fagfolk på nybegynnernivå som ønsker å utforske de etiske dilemmaene og de juridiske rammene rundt autonome kjøretøy.
Ved slutten av denne opplæringen vil deltakerne kunne:
Forstå de etiske implikasjonene av AI-drevet beslutningstaking i autonome kjøretøy.
Analysere globale juridiske rammeverk og retningslinjer som regulerer selvkjørende biler.
Undersøke ansvar og ansvarlighet ved autonome kjøretøyulykker.
Evaluere balansen mellom innovasjon og offentlig sikkerhet i lover om autonom kjøring.
Diskutere casestudier fra virkeligheten som involverer etiske dilemmaer og juridiske tvister.
Dette er et kurs i regi av instruktør, gjennomført som fjernundervisning eller på stedet, og er beregnet for nybegynnere og entusiaster som ønsker å forstå de grunnleggende konseptene, teknologiene og bruksområdene for selvkjørende kjøretøy.
Etter fullført kurs vil deltakerne kunne:
Forstå de viktigste komponentene og virkemåtene til selvkjørende kjøretøy.
Utforske rollen til kunstig intelligens (AI), sensorer og sanntidsdatabehandling i selvkjørende systemer.
Analysere ulike nivåer av kjøretøyautonomi og deres anvendelser i den virkelige verden.
Undersøke de etiske, juridiske og regulatoriske aspektene ved autonom mobilitet.
Få praktisk erfaring med simuleringer av selvkjørende kjøretøy.
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot nettverksingeniører på mellomnivå og utviklere innenfor bil-IoT som ønsker å forstå og implementere V2X-kommunikasjonsteknologier for autonome kjøretøy.
Ved slutten av denne opplæringen vil deltakerne kunne:
Forstå de grunnleggende konseptene innen V2X-kommunikasjon.
Analysere V2V-, V2I-, V2P- og V2N-kommunikasjonsmodeller.
Implementere V2X-protokoller som DSRC og C-V2X.
Utvikle simuleringer for tilkoblede kjøretøymiljøer.
Håndtere sikkerhets- og personvernutfordringer i V2X-nettverk.
Denne instruktørledede, live opplæringen i Oslo (online eller på stedet) er rettet mot ingeniører på mellomnivå, fagfolk innen bilindustrien og IoT-spesialister som ønsker å forstå sensorenes rolle i selvkjørende biler, og dekker LiDAR, radar, kameraer og sensorfusjonsteknikker.
Ved slutten av denne opplæringen vil deltakerne kunne:
Forstå de forskjellige typene sensorer som brukes i autonome kjøretøy.
Analysere sensordata for sanntids kjøretøypersepsjon og beslutningstaking.
Implementere sensorfusjonsteknikker for å forbedre kjøretøyets nøyaktighet og sikkerhet.
Optimalisere sensorplassering og kalibrering for forbedret ytelse for autonom kjøring.
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot sikkerhetsingeniører og fagfolk innen bilindustrien som ønsker å utvikle omfattende sikkerhetsstrategier for autonome kjøretøy, inkludert risikoanalyse, funksjonell sikkerhetsvurdering og overholdelse av internasjonale standarder.
Ved slutten av denne opplæringen vil deltakerne kunne:
Identifisere og vurdere sikkerhetsrisikoer knyttet til autonome kjøresystemer.
Gjennomføre risikoanalyse og risikovurdering ved hjelp av bransjestandarder.
Implementere sikkerhetsvalidering og verifiseringsmetoder for AV-systemer.
Anvende funksjonelle sikkerhetsstandarder, som ISO 26262 og SOTIF.
Utvikle risikoreduserende strategier for sikkerhetsutfordringer knyttet til autonome kjøretøy.
Dette instruktørledede kurset, som tilbys både online og på stedet, er rettet mot erfarne spesialister innen sensorfusjon og AI-ingeniører som ønsker å utvikle algoritmer for fusjon av flere sensorer og optimalisere sanntidsnavigasjon i autonome systemer.
Etter fullført opplæring vil deltakerne kunne:
Forstå grunnleggende prinsipper og utfordringer knyttet til datafusjon fra flere sensorer.
Implementere algoritmer for sensorfusjon for sanntidsnavigasjon i autonome systemer.
Integrere data fra LiDAR, kameraer og RADAR for å forbedre oppfattelsesevnen.
Analysere og evaluere ytelsen til fusjonssystemet under ulike forhold.
Utvikle praktiske løsninger for støyreduksjon i sensorer og datajustering.
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot AI-utviklere og ingeniører innen datasyntese som ønsker å bygge robuste visionsystemer for selvkjørende applikasjoner.Etter denne opplæringen vil deltakerne kunne:
Forstå de grunnleggende konseptene for datasyn i selvkjørende kjøretøy.
Implementere algoritmer for objektgjenkjenning, filgjenkjenning og semantisk segmentering.
Integrere visionsystemer med andre underordnede systemer i selvkjørende kjøretøy.
Anvende teknikker for dyp læring for avanserte oppgavebehandlinger.
Evaluere ytelsen til datasyntmodeller i virkelige scenarier.
Denne instruktørledede opplæringen, som kan gjennomføres online eller på stedet, er rettet mot erfarne robotikk-ingeniører og AI-forskere som ønsker å implementere sofistikerte algoritmer for baneplanlegging for å forbedre ytelsen til autonome kjøretøy.Etter fullført opplæring vil deltakerne kunne:
Forstå de teoretiske grunnlagene for avanserte algoritmer for baneplanlegging.
Implementere algoritmer som RRT*, A*, og D* for navigasjon i sanntid.
Optimalisere baneplanlegging for unngåelse av hindringer og dynamiske miljøer.
Integrere algoritmer for baneplanlegging med sensordata for økt nøyaktighet.
Evaluere ytelsen til ulike algoritmer i praktiske scenarier.
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot erfarne dataforskere, AI-spesialister og AI-utviklere innen bilindustrien som ønsker å bygge, trene og optimalisere AI-modeller for selvkjørende applikasjoner.
Etter fullført opplæring vil deltakerne kunne:
Forstå grunnleggende prinsipper for AI og dyp læring i konteksten av selvkjørende kjøretøy.
Implementere datasynteknikker for sanntids objektgjenkjenning og filfølging.
Utnytte forsterkende læring for beslutningstaking i selvkjørende systemer.
Integrere sensorfusjonsteknikker for bedre oppfatning og navigasjon.
Bygge dype læringsmodeller for å forutsi og analysere kjørescenarioer.