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 IA.
- Visión general de los marcos y bibliotecas de IA utilizados en la conducción autónoma.
- Tendencias e innovaciones en la autonomía vehicular basada en IA.
Fundamentos del aprendizaje profundo para la conducción autónoma
- Arquitecturas de redes neuronales para vehículos de conducción autónoma.
- 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 profundo por refuerzo (DRL).
- Aprendizaje basado en simulación para políticas de conducción.
Fusión de sensores y percepción
- Integración de datos de LiDAR, RADAR y cámaras.
- Filtrado de Kalman y técnicas de fusión de sensores.
- Procesamiento de datos multisensores para el mapeo del entorno.
Modelos de aprendizaje profundo para predicción de conducción
- Construcción de modelos de predicción de comportamiento.
- Pronóstico de trayectorias para la evasión de obstáculos.
- Reconocimiento del estado e intención del conductor.
Evaluación y optimización de modelos
- Métricas de precisión y rendimiento del modelo.
- Técnicas de optimización para la ejecución en tiempo real.
- Despliegue de modelos entrenados en plataformas de vehículos autónomos.
Estudios de caso y aplicaciones en el mundo real
- Análisis de incidentes de 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.
Requerimientos
- Dominio de la programación en Python.
- Experiencia con marcos de trabajo de aprendizaje automático y aprendizaje profundo.
- Conocimiento de 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 para el sector automotriz.
- Desarrolladores interesados en técnicas de aprendizaje profundo para vehículos de conducción autónoma.
21 Horas
