車輛對萬物 (V2X) 通訊與自動駕駛汽車培訓

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。

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