Machine Learning for Robotics Treningskurs

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot ingeniører og utviklere som ønsker å designe, utvikle og teste luftfartøyer gjennom å utforske ulike luftrobotikkkonsepter og -verktøy.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå det grunnleggende om luftrobotikk.
• Modellere og designe UAV-er og kvadrotorer.
• Lær om det grunnleggende om flykontroll og bevegelsesplanlegging.
• Lær hvordan du bruker forskjellige simuleringsverktøy for luftrobotikk.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot alle som ønsker å forstå det grunnleggende om UAS og bruke droneteknologi i planlegging, drift, ledelse og analyse for ulike bransjer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Få grunnleggende kunnskap om UAV og droner.
• Lær om droneklassifiseringer og bruk for å finne passende UAV-er som dekker ulike behov.
• Vurder leveringsalternativer og forskrifter for enkel drift av droner.
• Forstå risikoen og etikken ved bruk av droneteknologi.
• Utforsk fremtidig bruk og muligheter for UAV-er, inkludert integrasjon med andre teknologier.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot landbruksteknikere, forskere og ingeniører som ønsker å bruke luftrobotikk for å optimalisere datainnsamling og analyse for landbruket.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå droneteknologi og regelverk knyttet til det.
• Distribuer droner for å innhente, behandle og analysere avlingsdata for å forbedre jordbruks- og landbruksmetoder.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot utviklere og tekniske personer som ønsker å designe og utvikle en ubemannet drone.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et passende utviklingsmiljø.
• Velg og bruk de riktige verktøyene for å programmere en drone.
• Forstå og konfigurer fastvaren, mellomvaren og API-stakken.
• Test og feilsøk koden deres ved å bruke dronesimuleringsprogramvare.

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære hvordan de kan begynne å bruke ROS for robotprosjektene sine gjennom bruk av robotikkvisualisering og simuleringsverktøy.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå det grunnleggende om ROS.
• Lær hvordan du lager et grunnleggende robotikkprosjekt ved å bruke ROS.
• Lær hvordan du bruker forskjellige verktøy for robotikk, inkludert simulerings- og visualiseringsverktøy.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot robotutviklere på nybegynnernivå til middels og potensielt avanserte nivåer som ønsker å lære å bruke ROS til å programmere mobile roboter med Python ].

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et utviklingsmiljø som inkluderer ROS, Python og en mobil robotplattform.
• Opprett og kjør ROS noder, emner, tjenester og handlinger ved å bruke Python.
• Bruk ROS verktøy og verktøy for å overvåke og feilsøke ROS applikasjoner.
• Bruk ROS pakker og biblioteker til å utføre vanlige oppgaver for mobile roboter.
• Integrer ROS med andre rammeverk og verktøy.
• Feilsøking og feilsøking ROS applikasjoner.

En smart robot er et kunstig intelligens (AI)-system som kan lære av miljøet og erfaringen og bygge videre på sine evner basert på denne kunnskapen. Smart Robots kan samarbeide med mennesker, jobbe sammen med dem og lære av deres oppførsel. Videre har de kapasitet til ikke bare manuelt arbeid, men også kognitive oppgaver. I tillegg til fysiske roboter, kan Smart Robots også være rent programvarebasert, som ligger i en datamaskin som en programvareapplikasjon uten bevegelige deler eller fysisk interaksjon med verden.

I denne instruktørledede, live-opplæringen vil deltakerne lære de forskjellige teknologiene, rammeverket og teknikkene for programmering av forskjellige typer mekaniske Smart Robots, og deretter bruke denne kunnskapen for å fullføre sine egne Smart Robot-prosjekter.

Kurset er delt inn i 4 seksjoner, som hver består av tre dager med forelesninger, diskusjoner og praktisk robotutvikling i et levende labmiljø. Hver seksjon avsluttes med et praktisk praktisk prosjekt for å la deltakerne øve og demonstrere sin tilegnete kunnskap.

Målmaskinvaren for dette kurset vil bli simulert i 3D gjennom simuleringsprogramvare. ROS (Robot Operating System) åpen kildekode-rammeverket, C++ og Python vil bli brukt til å programmere robotene.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå nøkkelbegrepene som brukes i robotteknologi Forstå og administrere samspillet mellom programvare og maskinvare i et robotsystem Forstå og implementere programvarekomponentene som ligger til grunn Smart Robots Bygg og drift en simulert mekanisk Smart Robot som kan se, sanse, behandle, gripe, naviger og samhandle med mennesker gjennom stemmen Utvid en Smart Robots evne til å utføre komplekse oppgaver gjennom Deep Learning Test og feilsøk en Smart Robot i realistiske scenarier

Publikum

Utviklere Ingeniører

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Merk

For å tilpasse noen del av dette kurset (programmeringsspråk, robotmodell, etc.), vennligst kontakt oss for å avtale.

Azure Bot Service kombinerer kraften i Microsoft Bot Framework og Azure funksjoner for å muliggjøre rask utvikling av intelligente roboter.

I denne instruktørledede, liveopplæringen, vil deltakerne lære hvordan de enkelt kan lage en intelligent bot ved hjelp av Microsoft Azure

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær grunnleggende om intelligente roboter
• Lær hvordan du lager intelligente roboter ved hjelp av skylpplikasjoner
• Forstå hvordan du bruker Microsoft Bot Framework, Bot Builder SDK og Azure Bot Service
• Forstå hvordan du designer bots ved hjelp av botmønstre
• Utvikle deres første intelligente bot ved å bruke Microsoft Azure

Publikum

• Utviklere
• amatører
• ingeniører
• IT-fagfolk

Kursets format

• Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse

En bot eller chatbot er som en dataassistent som brukes til å automatisere brukerinteraksjoner på ulike meldingsplattformer og få ting gjort raskere uten at brukerne trenger å snakke med et annet menneske.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de kan komme i gang med å utvikle en bot når de går gjennom opprettelsen av eksempelchatboter ved å bruke robotutviklingsverktøy og -rammeverk.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå de forskjellige brukene og bruksområdene til roboter
• Forstå hele prosessen med å utvikle roboter
• Utforsk de forskjellige verktøyene og plattformene som brukes til å bygge roboter
• Bygg en prøve chatbot for Facebook Messenger
• Bygg en prøve chatbot ved å bruke Microsoft Bot Framework

Publikum

• Utviklere som er interessert i å lage sin egen bot

Format på kurset

• Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å lære om anvendeligheten av kunstig intelligens på mekatroniske systemer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Få en oversikt over kunstig intelligens, maskinlæring og beregningsmessig intelligens.
• Forstå begrepene nevrale nettverk og ulike læringsmetoder.
• Velg kunstig intelligens tilnærminger effektivt for virkelige problemer.
• Implementere AI-applikasjoner i mekatronisk ingeniørfag.

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.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot maskinlæringsutøvere som ønsker å bruke Auto-sklearn til å automatisere prosessen med å velge og optimalisere en maskinlæringsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Automatiser prosessen med å trene opp svært effektive maskinlæringsmodeller.
• Bygg svært nøyaktige maskinlæringsmodeller mens du omgår de mer kjedelige oppgavene med å velge, trene og teste forskjellige modeller.
• Bruk kraften til maskinlæring for å løse virkelige forretningsproblemer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere så vel som mindre tekniske personer som ønsker å bruke Auto-Keras for å automatisere prosessen med å velge og optimalisere en maskinlæringsmodell.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Automatiser prosessen med å trene opp svært effektive maskinlæringsmodeller.
• Søk automatisk etter de beste parametrene for dyplæringsmodeller.
• Bygg svært nøyaktige maskinlæringsmodeller.
• Bruk kraften til maskinlæring for å løse virkelige forretningsproblemer.

Denne instruktørledede, live-opplæringen i (online eller på stedet) er rettet mot dataforskere, maskinlæringsingeniører og datasynsforskere som ønsker å utnytte Stable Diffusion til å generere bilder av høy kvalitet for en rekke bruksområder.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå prinsippene for Stable Diffusion og hvordan det fungerer for bildegenerering. Bygg og tren Stable Diffusion-modeller for bildegenereringsoppgaver. Bruk Stable Diffusion på ulike scenarier for bildegenerering, for eksempel innpainting, outpainting og bilde-til-bilde-oversettelse. Optimaliser ytelsen og stabiliteten til Stable Diffusion-modeller.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot dataforskere på middels til avansert nivå, maskinlæringsingeniører, dyplæringsforskere og datasynseksperter som ønsker å utvide kunnskapen og ferdighetene sine innen dyp læring for tekst-til-bilde generering.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå avanserte dyplæringsarkitekturer og teknikker for tekst-til-bilde generering. Implementer komplekse modeller og optimaliseringer for bildesyntese av høy kvalitet. Optimaliser ytelse og skalerbarhet for store datasett og komplekse modeller. Juster hyperparametre for bedre modellytelse og generalisering. Integrer Stable Diffusion med andre dyplæringsrammer og verktøy