Autonomous Vehicles (AVs) Đào tạo tại Hanoi

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các chuyên gia ở trình độ mới bắt đầu, những người muốn khám phá các tình huống khó xử về mặt đạo đức và các khuôn khổ pháp lý liên quan đến xe tự hành.

Cuối khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu được những hệ quả về mặt đạo đức của việc đưa ra quyết định dựa trên AI trong xe tự hành.
• Phân tích các khuôn khổ và chính sách pháp lý toàn cầu điều chỉnh xe tự lái.
• Xem xét trách nhiệm pháp lý và khả năng giải trình trong trường hợp xảy ra tai nạn với xe tự hành.
• Đánh giá sự cân bằng giữa đổi mới và an toàn công cộng trong luật pháp về xe tự lái.
• Thảo luận về các nghiên cứu điển hình thực tế liên quan đến các tình huống khó xử về mặt đạo đức và tranh chấp pháp lý.

Khóa đào tạo trực tuyến hoặc trực tiếp này dành cho những người mới bắt đầu, các chuyên gia và những người đam mê muốn hiểu các khái niệm, công nghệ và ứng dụng cơ bản của xe tự hành.

Sau khi hoàn thành khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu các thành phần và nguyên lý hoạt động chính của xe tự hành.
• Tìm hiểu vai trò của AI, cảm biến và xử lý dữ liệu thời gian thực trong các hệ thống lái tự động.
• Phân tích các cấp độ tự động khác nhau của xe và ứng dụng thực tế của chúng.
• Xem xét các khía cạnh đạo đức, pháp lý và quy định của tính di động tự động.
• Có được kinh nghiệm thực tế với các mô phỏng xe tự hành.

Khóa đào tạo trực tiếp, hướng dẫn bởi giảng viên này (trực tuyến hoặc tại chỗ) dành cho các kỹ sư mạng và nhà phát triển IoT ô tô trình độ trung cấp, những người muốn tìm hiểu và triển khai các công nghệ giao tiếp V2X cho xe tự hành.

Sau khi hoàn thành khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu các khái niệm cơ bản của giao tiếp V2X.
• Phân tích các mô hình giao tiếp V2V, V2I, V2P và V2N.
• Triển khai các giao thức V2X như DSRC và C-V2X.
• Phát triển mô phỏng cho môi trường xe kết nối.
• Giải quyết các thách thức về bảo mật và quyền riêng tư trong mạng V2X.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các kỹ sư, chuyên gia ô tô và chuyên gia IoT trình độ trung cấp, những người muốn hiểu vai trò của cảm biến trong xe tự lái, bao gồm LiDAR, radar, camera và các kỹ thuật hợp nhất cảm biến.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu các loại cảm biến khác nhau được sử dụng trong xe tự hành.
• Phân tích dữ liệu cảm biến để nhận thức và đưa ra quyết định theo thời gian thực cho xe.
• Triển khai các kỹ thuật hợp nhất cảm biến để cải thiện độ chính xác và độ an toàn của xe.
• Tối ưu hóa vị trí đặt và hiệu chỉnh cảm biến để nâng cao hiệu suất lái xe tự động.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Hanoi (trực tuyến hoặc tại chỗ) dành cho các kỹ sư an toàn và chuyên gia an toàn ô tô có trình độ cao, những người mong muốn phát triển các chiến lược an toàn toàn diện cho xe tự hành, bao gồm phân tích mối nguy, đánh giá an toàn chức năng và tuân thủ các tiêu chuẩn quốc tế.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Xác định và đánh giá các rủi ro an toàn liên quan đến hệ thống lái xe tự động.
• Tiến hành phân tích mối nguy và đánh giá rủi ro bằng cách sử dụng các tiêu chuẩn ngành.
• Triển khai các phương pháp xác thực và kiểm chứng an toàn cho hệ thống AV.
• Áp dụng các tiêu chuẩn an toàn chức năng, chẳng hạn như ISO 26262 và SOTIF.
• Phát triển các chiến lược giảm thiểu rủi ro cho các thách thức an toàn AV.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Hanoi (trực tuyến hoặc tại chỗ) dành cho các chuyên gia hợp nhất cảm biến nâng cao và kỹ sư AI, những người muốn phát triển các thuật toán hợp nhất cảm biến đa dạng và tối ưu hóa điều hướng thời gian thực trong các hệ thống tự động.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu các nguyên tắc cơ bản và thách thức của việc hợp nhất dữ liệu từ nhiều cảm biến.
• Triển khai các thuật toán hợp nhất cảm biến để điều hướng tự động thời gian thực.
• Tích hợp dữ liệu từ LiDAR, camera và RADAR để nâng cao khả năng nhận biết.
• Phân tích và đánh giá hiệu suất của hệ thống hợp nhất trong các điều kiện khác nhau.
• Phát triển các giải pháp thực tế để giảm nhiễu cảm biến và căn chỉnh dữ liệu.

Khóa học trực tiếp (trực tuyến hoặc tại chỗ) này được hướng dẫn dành cho các nhà phát triển AI và các kỹ sư tính toán máy tính có trình độ trung cấp muốn xây dựng các hệ thống máy tính có khả năng tự động hóa cho các ứng dụng xe tự lái.

Sau khi hoàn thành khóa học, các tham gia sẽ có thể:

• Hiểu các khái niệm cơ bản về tính toán máy tính trong các xe tự lái.
• Triển khai các thuật toán phát hiện đối tượng, phát hiện làn đường và phân đoạn ngữ nghĩa.
• Tích hợp các hệ thống máy tính với các hệ thống phụ trợ của xe tự lái khác.
• Áp dụng các kỹ thuật học sâu để thực hiện các nhiệm vụ nhận thức nâng cao.
• Đánh giá hiệu suất của các mô hình tính toán máy tính trong các trường hợp thực tế.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các kỹ sư robot và nhà nghiên cứu AI trình độ cao, những người muốn triển khai các thuật toán lập kế hoạch đường đi tinh vi để nâng cao hiệu suất của xe tự hành.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu rõ các nền tảng lý thuyết của các thuật toán lập kế hoạch đường đi tiên tiến.
• Triển khai các thuật toán như RRT*, A*, và D* cho việc điều hướng theo thời gian thực.
• Tối ưu hóa lập kế hoạch đường đi để tránh chướng ngại vật và thích ứng với môi trường động.
• Tích hợp các thuật toán lập kế hoạch đường đi với dữ liệu cảm biến để nâng cao độ chính xác.
• Đánh giá hiệu suất của các thuật toán khác nhau trong các tình huống thực tế.

Khóa đào tạo trực tiếp này tại Hanoi (trực tuyến hoặc trực tiếp) dành cho các nhà khoa học dữ liệu cao cấp, chuyên gia AI và nhà phát triển AI ô tô muốn xây dựng, huấn luyện và tối ưu hóa mô hình AI cho ứng dụng lái tự động.

Đến cuối khóa đào tạo này, người tham dự sẽ có thể:

• Hiểu rõ về cơ bản của AI và học sâu trong ngữ cảnh xe tự hành.
• Thực hiện các kỹ thuật thị giác máy tính để phát hiện đối tượng và theo dõi làn đường thực tế.
• Sử dụng học tăng cường cho việc ra quyết định trong hệ thống lái tự động.
• Tích hợp các kỹ thuật kết hợp cảm biến để cải thiện nhận thức và điều hướng.
• Xây dựng mô hình học sâu để dự đoán và phân tích các tình huống lái xe.