用於自動駕駛的電腦視覺培訓

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。

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。

CANN SDK（神經網路計算架構）為電腦視覺和 NLP 的即時 AI 應用提供強大的部署與優化工具，特別是在華為昇騰硬體上。

這項由講師指導的現場培訓（線上或線下），旨在幫助中階 AI 從業人員使用 CANN SDK 建立、部署及優化視覺與語言模型，以滿足生產用例需求。

完成本課程後，學員將能夠：

• 使用 CANN 和 AscendCL 部署並優化 CV 和 NLP 模型。
• 使用 CANN 工具轉換模型，並將它們整合到即時管線中。
• 優化檢測、分類及情感分析等任務的推論效能。
• 為邊緣或雲端部署場景建立實時的 CV/NLP 管線。

課程格式

• 互動式講授與示範。
• 實作實驗室，包含模型部署與效能分析。
• 使用真實 CV 和 NLP 用例設計即時管線。

課程客製化選項

• 如需為本課程請求客製化培訓，請聯絡我們安排。

此由講師主導的即時培訓 台灣（線上或線下），旨在協助高階專業人士深入理解電腦視覺，並探索使用 Google Colab 開發複雜視覺模型的 TensorFlow 能力。

在課程結束後，參與者將能夠：

• 使用 TensorFlow 建構和訓練卷積神經網路（CNN）。
• 利用 Google Colab 進行可擴展且高效的雲端模型開發。
• 實施用於電腦視覺任務的影像預處理技術。
• 將電腦視覺模型部署至實際應用場景。
• 使用遷移學習提升 CNN 模型的效能。
• 視覺化並解釋影像分類模型的結果。

這項在 台灣（線上或線下）舉行的由講師主導的培訓，針對中階至高階的電腦視覺工程師、AI 開發人員及 IoT 專業人士，旨在協助其實作並優化用於在邊緣裝置上進行即時處理的電腦視覺模型。

完成本培訓後，學員將能夠：

• 掌握邊緣 AI 的基本概念及其在電腦視覺中的應用。
• 在邊緣裝置上部署經過優化的深度學習模型，以進行即時影像和視訊分析。
• 使用 TensorFlow Lite、OpenVINO 以及 NVIDIA Jetson SDK 等框架來部署模型。
• 優化 AI 模型的效能、功耗效率及低延遲推論。

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。

本課程在 台灣 提供 live 培訓（線上或線下），旨在協助初階執法人員從手繪面部素描轉型為使用 AI 工具開發面部識別系統。

學員完成培訓後將能夠：

• 掌握人工智慧與機器學習的基本概念。
• 了解數位影像處理基礎及其在面部識別中的應用。
• 習得運用 AI 工具和框架構建面部識別模型的技能。
• 獲得創建、訓練及測試面部識別系統的實戰經驗。
• 理解面部識別技術使用的倫理考量與最佳實踐。

本課程在 台灣（線上或線下）提供由講師主導的即時培訓，旨在幫助初級至中級的研究人員和實驗室專業人士處理和分析組織切片、血球細胞、藻類及其他生物樣本的影像。

完成本培訓後，學員將能夠：

• 熟悉 Fiji 介面並善用 ImageJ 的核心功能。
• 對科學影像進行預處理與增強，以提升分析品質。
• 定量分析影像，包括計數細胞及測量面積。
• 利用巨集和插件自動化重複性任務。
• 根據生物學研究中的特定影像分析需求，客製化工作流程。

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。

電腦視覺是一個從數位媒體中自動擷取、分析並理解有用資訊的領域。Python 是一種高階程式語言，以其清晰的語法和可讀性聞名。

在本課程中，由講師帶路的實作培訓裡，參與者將透過建立一系列簡單的電腦視覺應用程式來學習電腦視覺的基礎知識。

完成此培訓後，參與者將能夠：

• 理解電腦視覺的基礎
• 使用 Python 實現電腦視覺任務
• 建立自己的臉部、物體和運動檢測系統

目標對象

• 對電腦視覺感興趣的 Python 程式設計師

課程形式

• 講授、討論，加上練習與大量實作

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。

此導師指導的實時培訓在 台灣（線上或線下）進行，旨在讓中級專業人士能夠使用 Vision Builder AI 設計、實施和優化 SMT（表面貼裝技術）流程的自動化檢測系統。

完成此培訓後，參與者將能夠：

• 使用 Vision Builder AI 設置和配置自動化檢測。
• 獲取並預處理高質量圖像用於分析。
• 實施基於邏輯的缺陷檢測和流程驗證決策。
• 生成檢測報告並優化系統性能。