Curso online – especialización profesional certificada en vehículos autónomos de la Universidad de Toronto

Comienza tu carrera en vehículos autónomos. estaba a la vanguardia de la industria de la conducción autónoma.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

avanzando

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • habilidades de gestión del tiempo
  • comunicación interpersonal
  • Pensamiento creativo
  • resolución de problemas
  • trabajo en equipo
  • liderazgo
  • Habilidades analíticas
  • gestión de proyectos
  • Capacidad para realizar múltiples tareas
  • Aprendizaje continuo

What you will learn in the course

Courses for which the course is suitable

  • ingeniero de vehiculos autonomos
  • Desarrollador de software para vehículos autónomos
  • Analista de datos de vehículos autónomos.
  • Ingeniero de simulación de vehículos autónomos.
  • Experto en tecnologías autónomas
  • Desarrollador de sistemas de inteligencia artificial para vehículos autónomos
  • Ingeniero de algoritmos para un vehículo autónomo
  • Responsable de proyectos en el ámbito de los vehículos autónomos.
  • Investigador en el campo de los vehículos autónomos.

Prácticas: una serie de 4 cursos.

estaba a la vanguardia de la industria de vehículos autónomos. Mientras los investigadores de mercado predicen un mercado de 42 mil millones de dólares y más de 20 millones de vehículos autónomos en las carreteras para 2025, el próximo gran auge laboral está a la vuelta de la esquina.

¿Qué obtendrás de la pasantía?

  • Comprensión integral de los métodos de ingeniería avanzados en la industria de vehículos autónomos.
  • Trabaje con conjuntos de datos reales de vehículos autónomos (AV) a través de proyectos prácticos.
  • Usando el simulador de código abierto CARLA.

expertos de la industria

Durante sus cursos, escuchará a expertos de la industria que trabajan en empresas como:

  • Oxbótica
  • zoox

Los expertos compartirán conocimientos sobre tecnologías autónomas y cómo contribuyen al crecimiento de puestos de trabajo en este campo.

Entorno de conducción realista

Aprenderás en un entorno de conducción muy realista que incluye:

  • Modelos de peatones en 3D.
  • condiciones ambientales.

Cuando complete con éxito la pasantía, podrá crear un paquete de software integrado para un vehículo autónomo y estará listo para postularse para trabajos en la industria de vehículos autónomos.

requisitos previos

Se recomienda tener experiencia en:

  • Álgebra lineal
  • probabilidad
  • estadística
  • Cálculo infinitesimal
  • Física
  • teoría del control
  • Programación en Python

Necesitará estos requisitos para ejecutar eficazmente el simulador CARLA:

  • Versión de Windows 7 de 64 bits (o posterior) o Ubuntu 16.04 (o posterior).
  • Procesador Intel o AMD de 4 núcleos (2,5 GHz o más rápido).
  • Tarjeta gráfica NVIDIA GeForce 470 GTX o AMD Radeon 6870 HD o superior.
  • 8 GB de RAM.
  • OpenGL 3 o superior (para computadoras Linux).

Un proyecto de aprendizaje práctico.

Aprenderás en un entorno de conducción muy realista que incluye modelos 3D de peatones y condiciones ambientales. Cuando complete con éxito la pasantía, podrá crear un paquete de software integrado para un vehículo autónomo y estará listo para postularse para trabajos en la industria de vehículos autónomos.

Details of the courses that make up the specialization

Introducción a los vehículos autónomos

Curso 1

  • 35 horas
  • 4,7 (2.838 valoraciones)

Detalles del curso

Lo que aprenderás:
  • Comprender el hardware común utilizado en vehículos autónomos
  • Identificar los componentes clave en el paquete de software del vehículo autónomo.
  • Para programar modelos de vehículos y controlar
  • Analizar los marcos de seguridad y las prácticas actuales en la industria del desarrollo de vehículos.

Estimación de situaciones y ubicación para vehículos autónomos.

Curso 2

  • 26 horas
  • 4,7 (822 valoraciones)

Detalles del curso

Lo que aprenderás:
  • Comprender los principales métodos de estimación de parámetros y situaciones utilizados en la conducción autónoma, como el método de reducción de errores.
  • Desarrollar un modelo para sensores de posición de vehículos típicos, incluidos GPS e IMU.
  • utilizar filtros de Kalman extendidos y no escasos para resolver problemas de estimación del estado del vehículo
  • Aplicar técnicas de coincidencia de escaneos LIDAR y el algoritmo iterativo del punto más cercano.

Percepción visual para vehículos autónomos

Curso 3

  • 31 horas
  • 4,7 (571 valoraciones)

Detalles del curso

Lo que aprenderás:
  • trabajar con un modelo de cámara de esquina y realizar la calibración interna y externa de la cámara
  • Descubra, describa y combine características de imágenes y diseñe sus propias redes neuronales convolucionales.
  • Utilice estos métodos en odometría visual, en la identificación y seguimiento de objetos.
  • Aplicar truncamiento semántico para estimar superficies transitables.

Planificación del tráfico para vehículos autónomos

Curso 4

  • 32 horas
  • 4,8 (461 valoraciones)

Detalles del curso

Lo que aprenderás:
  • Bienvenido al curso de Planificación del Tráfico para Vehículos Autónomos, el cuarto curso de la especialización en Vehículos Autónomos de la Universidad de Toronto.
  • Este curso le presentará las principales tareas de planificación en la conducción autónoma, incluida la planificación de tareas, la planificación del comportamiento y la planificación local.
  • Al final de este curso, podrás encontrar la ruta más corta en un gráfico o red de carreteras utilizando el algoritmo de Dijkstra y*
  • Utilice máquinas de estados finitos para seleccionar comportamientos seguros a realizar
  • Desarrolle rutas óptimas y perfiles de velocidad suaves para navegar de manera segura alrededor de obstáculos mientras cumple con las leyes de tránsito.
  • Además, preparará mapas de cuadrícula de ocupación de elementos estáticos en el entorno y aprenderá a utilizarlos para comprobar si hay conflictos de forma eficaz.
  • Este curso le brindará la capacidad de crear una solución completa de autoplanificación que lo llevará de casa al trabajo mientras se comporta como un conductor típico y mantiene la seguridad en todo momento.
Para el proyecto final de este curso:
  • Aplique un planificador de tráfico jerárquico para navegar a través de una secuencia de escenarios en el simulador CARLA, incluido evitar un vehículo estacionado en su carril, seguir a un vehículo líder y navegar de manera segura en una intersección.
  • Tendrá que lidiar con la aleatoriedad del mundo real y deberá trabajar para garantizar que su solución sea sólida ante los cambios en el entorno.
Requisitos del curso:
  • Este es un curso de nivel intermedio, dirigido a estudiantes con cierta formación en robótica, y se basa en los modelos y controladores creados en el curso 1 de esta especialización.
  • Para tener éxito en este curso, debe tener experiencia en programación en Python 3.0 y estar familiarizado con el álgebra lineal (matrices, vectores, multiplicación de matrices, grados, valores y vectores propios e inversos), así como con el cálculo (ecuaciones diferenciales ordinarias, integración). .