Curso de AI and Deep Learning for Autonomous Driving

Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o presencial), está dirigida a ingenieros de robótica de nivel avanzado e investigadores de IA que desean implementar algoritmos sofisticados de planificación de rutas para mejorar el rendimiento de los vehículos autónomos.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos teóricos de los algoritmos avanzados de planificación de rutas.
• Implementar algoritmos como RRT*, A* y D* para la navegación en tiempo real.
• Optimizar la planificación de rutas para la evasión de obstáculos y entornos dinámicos.
• Integrar algoritmos de planificación de rutas con datos de sensores para mejorar la precisión.
• Evaluar el rendimiento de varios algoritmos en escenarios prácticos.

<p>Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o en sitio) está dirigida a ingenieros de seguridad avanzados y profesionales de la seguridad automotriz que desean desarrollar estrategias de seguridad integrales para vehículos autónomos, incluyendo el análisis de peligros, las evaluaciones de seguridad funcional y el cumplimiento de las normas internacionales.</p><br/><p>Al finalizar esta capacitación, los participantes podrán:</p><br/><ul><li>Identificar y evaluar los riesgos de seguridad asociados con los sistemas de conducción autónoma.</li><li>Realizar análisis de peligros y evaluaciones de riesgos utilizando las normas de la industria.</li><li>Implementar métodos de validación y verificación de seguridad para los sistemas AV.</li><li>Aplicar normas de seguridad funcional, como ISO 26262 y SOTIF.</li><li>Desarrollar estrategias de mitigación de riesgos para los desafíos de seguridad de los AV.</li></ul>

Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o presencial), está dirigida a desarrolladores de IA de nivel intermedio e ingenieros de visión artificial que desean construir sistemas de visión robustos para aplicaciones de conducción autónoma.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales de la visión artificial en vehículos autónomos.
• Implementar algoritmos para la detección de objetos, la detección de carriles y la segmentación semántica.
• Integrar sistemas de visión con otros subsistemas de vehículos autónomos.
• Aplicar técnicas de aprendizaje profundo para tareas avanzadas de percepción.
• Evaluar el rendimiento de los modelos de visión artificial en escenarios del mundo real.

Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o presencial), está dirigida a profesionales de nivel principiante que desean explorar los dilemas éticos y los marcos legales que rodean a los vehículos autónomos.

Al finalizar esta capacitación, los participantes podrán:

• Comprender las implicaciones éticas de la toma de decisiones impulsada por la IA en vehículos autónomos.
• Analizar los marcos y políticas legales globales que regulan los automóviles de conducción autónoma.
• Examinar la responsabilidad y la rendición de cuentas en caso de accidentes de vehículos autónomos.
• Evaluar el equilibrio entre la innovación y la seguridad pública en las leyes de conducción autónoma.
• Discutir estudios de casos del mundo real que involucren dilemas éticos y disputas legales.

Esta capacitación dirigida por un instructor, en vivo (en línea o presencial), está dirigida a profesionales y entusiastas de nivel principiante que desean comprender los conceptos, tecnologías y aplicaciones fundamentales de los vehículos autónomos.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los componentes clave y los principios de funcionamiento de los vehículos autónomos.
• Explorar el papel de la IA, los sensores y el procesamiento de datos en tiempo real en los sistemas de conducción autónoma.
• Analizar los diferentes niveles de autonomía vehicular y sus aplicaciones en el mundo real.
• Examinar los aspectos éticos, legales y regulatorios de la movilidad autónoma.
• Obtener experiencia práctica con simulaciones de vehículos autónomos.

Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o presencial), está dirigida a especialistas en fusión de sensores de nivel avanzado e ingenieros de IA que desean desarrollar algoritmos de fusión de múltiples sensores y optimizar la navegación en tiempo real en sistemas autónomos.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos y desafíos de la fusión de datos de múltiples sensores.
• Implementar algoritmos de fusión de sensores para la navegación autónoma en tiempo real.
• Integrar datos de LiDAR, cámaras y RADAR para mejorar la percepción.
• Analizar y evaluar el rendimiento del sistema de fusión en diversas condiciones.
• Desarrollar soluciones prácticas para la reducción de ruido de sensores y la alineación de datos.

Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o presencial), está dirigida a ingenieros de nivel intermedio, profesionales de la automoción y especialistas en IoT que desean comprender el papel de los sensores en los coches autónomos, cubriendo LiDAR, radar, cámaras y técnicas de fusión de sensores.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los diferentes tipos de sensores utilizados en vehículos autónomos.
• Analizar los datos de los sensores para la percepción y la toma de decisiones del vehículo en tiempo real.
• Implementar técnicas de fusión de sensores para mejorar la precisión y la seguridad del vehículo.
• Optimizar la ubicación y la calibración de los sensores para mejorar el rendimiento de la conducción autónoma.

Esta capacitación en vivo, dirigida por un instructor, en Guatemala (en línea o presencial), está dirigida a ingenieros de redes de nivel intermedio y desarrolladores de IoT automotriz que desean comprender e implementar tecnologías de comunicación V2X para vehículos autónomos.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales de la comunicación V2X.
• Analizar los modelos de comunicación V2V, V2I, V2P y V2N.
• Implementar protocolos V2X como DSRC y C-V2X.
• Desarrollar simulaciones para entornos de vehículos conectados.
• Abordar los desafíos de ciberseguridad y privacidad en las redes V2X.