AI and Robotics for Nuclear - Extended培訓

這種以講師為主導的台灣現場現場培訓針對的是希望通過探索各種空中機器人概念和工具來設計，開發和測試飛行器的工程師和開發人員。

在培訓結束時，參與者將能夠：

• 瞭解空中機器人的基礎知識。
• 對無人機和四旋翼飛行器進行建模和設計。
• 瞭解飛行控制和運動規劃的基礎知識。
• 瞭解如何為空中機器人使用不同的模擬工具。

這種以講師為主導的台灣現場現場培訓面向任何希望瞭解UAS基礎知識並將無人機技術應用於各個行業的規劃，運營，管理和分析的人。

在培訓結束時，參與者將能夠：

• 獲得無人機和無人機的基礎知識。
瞭解無人機的
• 分類和用途，以找到滿足不同需求的合適無人機。
• 評估交付選項和法規，以方便無人機操作。
• 瞭解使用無人機技術的風險和道德規範。
• 探索無人機的未來用途和功能，包括與其他技術的集成。

這種以講師為主導的台灣現場現場培訓面向希望應用空中機器人技術優化農業數據收集和分析的農業技術人員，研究人員和工程師。

在培訓結束時，參與者將能夠：

• 瞭解無人機技術及其相關法規。
• 部署無人機來獲取、處理和分析作物數據，以改進耕作和農業方法。

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望設計和開發無人駕駛無人機的開發人員和技術人員。

在培訓結束時，參與者將能夠：

• 設置合適的開發環境。
• 選擇並應用正確的工具對無人機進行程式設計。
• 瞭解並配置韌體、中間件和 API 堆疊。
• 使用無人機模擬軟體測試和調試他們的代碼。

在這個以講師為主導的台灣現場培訓中，參與者將學習如何透過使用 機器人視覺化和類比工具開始使用ROS進行機器人專案 。

在培訓結束時，參與者將能夠：

• 瞭解 ROS 的基礎知識。
• 瞭解如何使用 ROS 創建基本機器人專案。
• 瞭解如何使用不同的機器人工具，包括模擬和可視化工具。

這種由講師指導的現場培訓台灣（在線或現場）面向初級到中級和潛在的高級機器人開發人員，他們希望學習如何使用 ROS 使用 Python 對移動機器人進行程式設計。

在培訓結束時，參與者將能夠：

• 設置包括 ROS、Python 和移動機器人平臺的開發環境。
• 使用 Python 建立並運行 ROS 節點、主題、服務和操作。
• 使用 ROS 工具和實用程式來監視和調試 ROS 應用程式。
• 使用 ROS 包和庫來執行移動機器人的常見任務。
• 與其他框架和工具集成ROS。
• 故障排除和調試 ROS 應用程式。

智能機器人是一個人工智能（AI）系統，可以從其環境和經驗中學習，並根據這些知識構建其功能。智能機器人可以與人類協作，與他們一起工作並從他們的行爲中學習。此外，他們不僅具有體力勞動，而且具有認知任務的能力。除了物理機器人之外，智能機器人還可以是純粹基于軟件的，作爲軟件應用程序駐留在計算機中，沒有移動部件或與世界物理交互。 在這種有指導性的現場培訓中，參與者將學習用于編程不同類型機械智能機器人的不同技術，框架和技術，然後應用這些知識完成他們自己的智能機器人項目。 該課程分爲4個部分，每個部分包括爲期三天的講座，討論和在現場實驗室環境中開發機器人。每個部分都將結束一個實際的簡單項目，讓參與者練習和展示他們獲得的知識。 本課程的目標硬件將通過仿真軟件進行3D模擬。 ROS（機器人操作系統）開源框架，C ++和Python將用于編程機器人。 在培訓結束後，參與者將能夠： 了解機器人技術中使用的關鍵概念理解和管理機器人系統中軟件和硬件之間的交互理解並實施支撐智能機器人的軟件組件構建和操作模擬機械智能機器人，通過語音可以看到，感知，處理，掌握，導航和與人類互動通過深度學習擴展智能機器人執行複雜任務的能力在實際場景中測試並排除智能機器人的故障 聽衆 開發商工程師 課程的格式 部分講座，部分討論，練習和沈重的練習 注意 要定制本課程的任何部分（編程語言，機器人模型等），請聯系我們安排。

Azure Bot服務結合了Microsoft Bot Framework和Azure功能的強大功能，可實現智能機器人的快速開發。

在這個由講師指導的實時培訓中，參與者將學習如何使用Microsoft Azure輕鬆創建智能機器人

在培訓結束時，參與者將能夠：

• 了解智能機器人的基礎知識
• 了解如何使用雲應用程序創建智能機器人
• 了解如何使用Microsoft Bot Framework，Bot Builder SDK和Azure Bot服務
• 了解如何使用bot模式設計機器人
• 使用Microsoft Azure開發他們的第一個智能機器人

聽眾

• 開發商
• 愛好者
• 工程師
• IT專業人士

課程形式

• 部分講座，部分討論，練習和繁重的實踐練習

機器人或聊天機器人就像一個計算機助手，用於在各種消息傳遞平臺上自動進行使用者交互，並更快地完成工作，而無需使用者與另一個人交談。

在這個由講師指導的現場培訓中，參與者將學習如何開始開發機器人，因為他們使用機器人開發工具和框架逐步創建範例聊天機器人。

在培訓結束時，參與者將能夠：

• 了解機器人的不同用途和應用
• 了解開發機器人的完整過程
• 探索用於構建機器人的不同工具和平臺
• 為 Facebook Messenger 構建示例聊天機器人
• 使用 Microsoft Bot Framework 生成示例聊天機器人

觀眾

• 有興趣創建自己的機器人的開發人員

課程形式

• 部分講座，部分討論，練習和大量動手練習

這種以講師為主導的台灣現場現場培訓面向希望瞭解人工智慧對機電一體化系統適用性的工程師。

在培訓結束時，參與者將能夠：

• 大致瞭解人工智慧、機器學習和計算智慧。
• 了解神經網路的概念和不同的學習方法。
• 針對現實生活中的問題有效地選擇人工智慧方法。
• 在機電一體化工程中實施 AI 應用。

這種由講師指導的台灣（在線或現場）現場培訓面向希望使用LangChain框架構建AI驅動的應用程式的中級開發人員和軟體工程師。

在培訓結束時，參與者將能夠：

• 瞭解LangChain及其元件的基礎知識。
• 將 LangChain 與 GPT-4 等大型語言模型 （LLM） 集成。
• 使用 LangChain 構建模組化 AI 應用程式。
• 排查LangChain應用程式中的常見問題。

這種以講師為主導的台灣（在線或現場）現場培訓面向希望學習LangChain核心概念和架構並獲得構建AI驅動應用程式的實用技能的初級到中級開發人員和軟體工程師。

在培訓結束時，參與者將能夠：

• 掌握LangChain的基本原理。
• 設置和配置LangChain環境。
• 了解架構以及 LangChain 如何與大型語言模型 （LLM） 互動。
• 使用LangChain開發簡單的應用程式。

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

By the end of this training, participants will be able to:

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble models.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

這種以講師為主導的台灣現場現場培訓針對的是希望使用Auto-sklearn來自動化選擇和優化機器學習模型過程的機器學習從業者。

在培訓結束時，參與者將能夠：

• 自動執行訓練高效機器學習模型的過程。
• 構建高度準確的機器學習模型，同時繞過選擇、訓練和測試不同模型等更繁瑣的任務。
• 利用機器學習的強大功能解決實際業務問題。

這種以講師為主導的台灣現場培訓（現場或遠端）針對的是數據科學家以及希望使用Auto-Keras來自動化選擇和優化機器學習模型過程的技術人員。

在培訓結束時，參與者將能夠：

• 自動執行訓練高效機器學習模型的過程。
• 自動搜索深度學習模型的最佳參數。
• 構建高度準確的機器學習模型。
• 利用機器學習的強大功能解決實際業務問題。