Artificial Intelligence in Automotive培訓

本課程由專業講師主講，提供線上或線下實體培訓（Live），旨在為進階級別的機器人工程師及人工智慧研究人員提供實作 sophisticated 路徑規劃演算法的技能，以提升自動駕駛車輛的表現。

完成本培訓後，學員將能夠：

• 理解先進路徑規劃演算法的理論基礎。
• 實作如 RRT*、A* 和 D* 等演算法，以實現即時導航。
• 針對障礙物迴避及動態環境優化路徑規劃。
• 將路徑規劃演算法與感測器數據整合，以提升精確度。
• 在實際情境中評估各種演算法的表現。

這門在台灣（線上或線下）進行的實地培訓，旨在為希望建構、訓練並優化用於自動駕駛應用之AI模型的高階資料科學家、AI專家及汽車AI開發人員而設計。

完成本培訓後，參與者將能夠：

• 理解自動車輛領域中AI與深度學習的基礎知識。
• 實施電腦視覺技術以實現即時物件偵測與車道跟隨。
• 運用強化學習來進行自駕系統的決策制定。
• 整合感測器融合技術，以提升感知與導航效能。
• 建構深度學習模型以預測並分析駕駛情境。

這門課程提供講師在場指導及現場實作訓練（線上或線下）。主要對象為希望了解 AlphaFold 運作原理，並將 AlphaFold 模型作為實驗研究指南的生物學家。

完成本培訓後，學員將能夠：

• 理解 AlphaFold 的基本原理。
• 學習 AlphaFold 的運作方式。
• 學習如何解讀 AlphaFold 的預測結果與數據。

AUTOSAR (AUTomotive Open System ARchitecture) 是一個全球汽車製造商、供應商與工具開發商的聯合組織，致力於標準化汽車電子控制單元 (ECU) 的軟體架構。

本課程由講師主導培訓（線上或線下），針對中階至高階的汽車軟體開發人員。課程重點在於使用 AUTOSAR Classic 和 Adaptive 平台設計、開發並整合軟體，特別關注 ADAS (先進駕駛輔助系統)。

完成本培訓後，學員將能夠：

• 理解 AUTOSAR Classic 和 Adaptive 架構及其主要差異。
• 使用符合 AUTOSAR 標準的工具開發與配置汽車軟體元件。
• 在 AUTOSAR Adaptive 環境中整合並測試 ADAS 軟體元件。
• 應用汽車系統在安全、效能最佳化方面的最佳實踐。

課程格式

• 互動式講座與討論。
• 使用業界標準 AUTOSAR 工具的實作練習。
• 基於專案的學習與汽車使用情境模擬。

課程客製化選項

• 如需本課程的客製化培訓，請聯繫我們進行安排。

此課程由導師親自指導，提供線上或線下（台灣）實時培訓。主要面向希望利用 Autosar 設計汽車組件工程師。

完成本培訓後，參與者將能夠：

• 安裝並配置 Autosar。
• 設置工作流程。
• 在 Autosar 環境中流暢導航。
• 高效工作。

本課程由講師親自指導，提供線上或線下培訓形式，旨在協助中階嵌入式軟體開發人員及汽車工程師使用 AUTOSAR Classic Platform 開發、整合並測試電子控制單元 (ECU) 的標準化軟體元件。

完成本課程後，參與者將能夠：

安裝和設定 AUTOSAR 開發工具（例如 DaVinci Developer、EB Tresos 或 ETAS ISOLAR-A/B）。

理解 AUTOSAR 分層架構及基本軟體模組 (BSW)。

設計和實現 AUTOSAR OS 及通訊堆疊 (COM stack)。

在 AUTOSAR 環境中使用 CANoe 或類似工具進行模擬、測試與診斷。

本課程為有講師指導的現場培訓（線上或線下），目標受眾為初級至中級的嵌入式軟體開發人員或汽車工程師，旨在協助他們了解並配置 AUTOSAR OS（基於 OSEK/VDX）以及 COM 堆疊，以在汽車電子控制單元 (ECU) 中實現可靠的任務排程與通訊。

完成本課程後，學員將能夠：

• 理解 AUTOSAR OS 架構及排程政策
• 實作並管理任務、事件、警報計數器
• 描述並配置 COM 堆疊層級，包括 PDUR 與通訊服務
• 解釋協定堆疊（CAN, LIN, FlexRay, Ethernet）以及 AUTOSAR 如何與其介面連接
• 使用業界工具（Vector DaVinci 或 ETAS ISOLAR）配置 OS 與 COM 模組
• 模擬並驗證基於 AUTOSAR 的 ECU 中的任務與通訊流程

此講師帶領的現場培訓在台灣（線上或線下）針對希望開發全面自動駕駛汽車安全策略的高級安全工程師和汽車安全專業人員，包括危險分析、功能安全評估以及符合國際標準。

完成本培訓後，學員將能夠：

• 識別並評估與自動駕駛系統相關的安全風險。
• 使用行業標準進行危險分析和風險評估。
• 實施適用於自動駕駛汽車系統的安全驗證方法。
• 應用功能安全標準，如ISO 26262和SOTIF。
• 開發針對自動駕駛汽車安全挑戰的風險緩解策略。

這門在台灣（線上或線下）進行、由講師帶領的現場培訓，旨在協助希望為自動駕駛應用程式建構穩健視覺系統的中階AI開發人員與電腦視覺工程師。

完成本培訓後，參與者將能夠：

• 理解自主車輛中電腦視覺的基本概念。
• 實作物體偵測、車道偵測和語意分割的演算法。
• 將視覺系統與其他自主車輛子系統整合。
• 應用深度學習技術進行進階感知任務。
• 評估真實場景中電腦視覺模型的效能。

此培訓由導師親自指導，提供線上或線下課程（<6>loc<7>），專為希望探索自動駕駛車輛周圍倫理困境與法律框架的初階專業人士設計。

完成本培訓後，參與者將能夠：

• 理解AI驅動決策在自動駕駛中的倫理影響。
• 分析監管自動駕駛汽車的全球法律框架與政策。
• 檢視自動駕駛事故中的責任歸屬與問責機制。
• 評估自動駕駛法規中創新與公共安全之間的平衡。
• 討論涉及倫理困境與法律糾紛的真實世界案例。

此由講師主導的即時培訓在台灣（線上或線下）進行，旨在為希望全面理解電動車動力總成架構、電池化學特性、電池管理系統(BMS)以及影響電動車能源效率因素的中階專業人士提供教育。

完成本培訓後，學員將能夠：

• 理解電動車動力總成的結構與功能。
• 分析不同的電池化學特性及其在電動車中的應用。
• 實施電池管理技術以提升性能與安全性。
• 評估各種電動車配置的能源效率。

此於台灣（線上或線下）舉辦、由講師主導的培訓，旨在幫助初級專業人員及愛好者了解自動駕駛車輛的基本概念、技術與應用。

完成此培訓後，學員將能夠：

• 理解自動駕駛車輛的關鍵組件與運作原理。
• 探索人工智慧、感測器與即時數據處理在自駕系統中的角色。
• 分析不同等級的車輛自動化及其現實世界的應用。
• 檢視自動移動性相關的倫理、法律與監管層面。
• 實戰體驗自動駕駛車輛模擬。

這門在台灣（線上或線下）進行的由講師主導的實時培訓，針對希望開發多傳感器融合演算法並優化自動系統中即時導航的高級傳感器融合專家和AI工程師。

完成培訓後，學員將能夠：

• 理解多傳感器數據融合的基礎知識和挑戰。
• 為實時自主導航實施傳感器融合演算法。
• 整合來自LiDAR、攝像頭和雷達的數據以增強感知。
• 分析並評估不同條件下融合系統的表現。
• 開發減小傳感器噪聲和對齊數據的實用解決方案。

本培訓由導師帶領，在 台灣 進行（在線或線下），主要面向希望了解感測器在自動駕駛汽車中作用的初級工程師、汽車行業從業人員以及物聯網專家。課程內容涵蓋激光雷達（LiDAR）、毫米波雷達、攝像頭及感測器融合技術。

在完成此培訓後，學員將能夠：

• 了解自動駕駛汽車中使用的各種類型的感測器
• 分析感測器數據，實現車輛的即時感知和決策
• 實施感測器融合技術，以提高車輛的精確性和安全性
• 優化感測器的佈置和校準，增強自動駕駛性能

此種在 台灣（線上或線下）舉辦，由講師帶領的即時培訓，旨在服務於希望了解並實施 V2X 通訊技術以用於自動駕駛汽車的中級網路工程師及汽車物聯網開發人員。

完成此培訓後，學員將能夠：

• 理解 V2X 通訊的基本概念。
• 分析 V2V、V2I、V2P 和 V2N 通訊模型。
• 實施 DSRC 和 C-V2X 等 V2X 協議。
• 為連線車輛環境開發模擬。
• 應對 V2X 網路中的資安與隱私挑戰。