Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en vehículos autónomos
- Comprensión de los niveles de conducción autónoma y la integración de la IA
- Visión general de los marcos de trabajo y bibliotecas de IA utilizados en la conducción autónoma
- Tendencias e innovaciones en la autonomía vehicular impulsada por IA
Fundamentos del aprendizaje profundo para la conducción autónoma
- Arquitecturas de redes neuronales para vehículos autónomos
- Redes neuronales convolucionales (CNN) para el procesamiento de imágenes
- Redes neuronales recurrentes (RNN) para datos temporales
Visión por computadora para la conducción autónoma
- Detección de objetos utilizando YOLO y SSD
- Técnicas de detección de carriles y seguimiento de la carretera
- Segmentación semántica para la percepción del entorno
Aprendizaje por refuerzo para decisiones de conducción
- Procesos de decisión de Markov (MDP) en vehículos autónomos
- Entrenamiento de modelos de aprendizaje por refuerzo profundo (DRL)
- Aprendizaje basado en simulación para políticas de conducción
Fusión de sensores y percepción
- Integración de datos de LiDAR, RADAR y cámaras
- Filtro de Kalman y técnicas de fusión de sensores
- Procesamiento de datos multisensores para la creación de mapas del entorno
Modelos de aprendizaje profundo para la predicción de conducción
- Desarrollo de modelos de predicción de comportamiento
- Pronóstico de trayectorias para evitar obstáculos
- Reconocimiento del estado y la intención del conductor
Evaluación y optimización de modelos
- Métricas para la precisión y el rendimiento de los modelos
- Técnicas de optimización para la ejecución en tiempo real
- Despliegue de modelos entrenados en plataformas de vehículos autónomos
Estudios de caso y aplicaciones del mundo real
- Análisis de incidentes en vehículos autónomos y desafíos de seguridad
- Exploración de implementaciones exitosas de sistemas de conducción impulsados por IA
- Proyecto: Desarrollo de un modelo de IA para el seguimiento de carriles
Resumen y próximos pasos
Requerimientos
- Dominio de la programación en Python
- Experiencia con marcos de trabajo de aprendizaje automático y aprendizaje profundo
- Familiaridad con la tecnología automotriz y la visión por computadora
Público objetivo
- Científicos de datos que buscan trabajar en aplicaciones de conducción autónoma
- Especialistas en IA enfocados en el desarrollo de IA automotriz
- Desarrolladores interesados en técnicas de aprendizaje profundo para vehículos autónomos
21 Horas
