Çevrimiçi kurs – Toronto Üniversitesi’nin otonom araçlarında sertifikalı profesyonel uzmanlık

Kariyerinize otonom araçlarla başlayın. sürücüsüz araç endüstrisinin ön saflarında yer aldı.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

ilerleyen

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • zaman yönetimi becerileri
  • kişilerarası iletişim
  • Yaratıcı düşünme
  • problem çözme
  • ekip çalışması
  • liderlik
  • Analitik beceriler
  • proje yönetimi
  • Çoklu görev yeteneği
  • Sürekli öğrenme

What you will learn in the course

Courses for which the course is suitable

  • Otonom araç mühendisi
  • Otonom araç yazılım geliştiricisi
  • Otonom araç veri analisti
  • Otonom araç simülasyon mühendisi
  • Otonom teknolojiler uzmanı
  • Otonom araçlar için yapay zeka sistemlerinin geliştiricisi
  • Otonom bir araç için algoritma mühendisi
  • Otonom araçlar alanında proje yöneticisi
  • Otonom araçlar alanında araştırmacı

Staj – 4 dersten oluşan bir seri

otonom araç sektörünün ön saflarında yer aldı. Pazar araştırmacıları 2025 yılına kadar 42 milyar dolarlık bir pazar ve 20 milyondan fazla otonom aracın yollarda olacağını öngörürken, bir sonraki büyük iş patlaması çok yakında.

Stajdan ne kazanacaksınız?

  • Otonom araç endüstrisindeki ileri mühendislik yöntemlerinin kapsamlı anlaşılması.
  • Uygulamalı projeler aracılığıyla otonom araçtan (AV) gerçek veri kümeleriyle çalışın.
  • Açık kaynaklı simülatör CARLA’yı kullanma.

endüstri uzmanları

Kurslarınız sırasında aşağıdaki gibi şirketlerde çalışan endüstri uzmanlarından bilgi alacaksınız:

  • Oxbotica
  • Zoox

Uzmanlar, otonom teknolojiler ve bu teknolojilerin bu alandaki işlerin büyümesine nasıl katkıda bulunduğuna dair görüşlerini paylaşacak.

Gerçekçi sürüş ortamı

Aşağıdakileri içeren çok gerçekçi bir sürüş ortamında öğreneceksiniz:

  • 3 boyutlu yaya modelleri.
  • çevresel koşullar.

Stajı başarıyla tamamladığınızda otonom bir araç için entegre bir yazılım paketi oluşturabilecek ve otonom araç endüstrisindeki işlere başvurmaya hazır olacaksınız.

önkoşullar

Aşağıdaki konularda bilgi sahibi olmanız önerilir:

  • Doğrusal cebir
  • olasılık
  • istatistikler
  • Sonsuz küçük hesaplama
  • Fizik
  • kontrol teorisi
  • Python’da Programlama

CARLA simülatörünü etkili bir şekilde çalıştırmak için şu gereksinimlere ihtiyacınız olacak:

  • Windows 7 64 bit sürümü (veya üstü) veya Ubuntu 16.04 (veya üstü).
  • 4 çekirdekli Intel veya AMD işlemci (2,5 GHz veya daha hızlı).
  • NVIDIA GeForce 470 GTX veya AMD Radeon 6870 HD veya daha iyi grafik kartı.
  • 8GB RAM.
  • OpenGL 3 veya üzeri (Linux bilgisayarlar için).

Pratik bir öğrenme projesi

Yayaların ve çevre koşullarının 3 boyutlu modellerini içeren oldukça gerçekçi bir sürüş ortamında öğreneceksiniz. Stajı başarıyla tamamladığınızda otonom bir araç için entegre bir yazılım paketi oluşturabilecek ve otonom araç endüstrisindeki işlere başvurmaya hazır olacaksınız.

Details of the courses that make up the specialization

Otonom araçlara giriş

Kurs 1

  • 35 saat
  • 4,7 (2.838 puan)

Kurs detayları

Ne öğreneceksiniz:
  • Otonom araçlarda kullanılan ortak donanımı anlayın
  • Otonom aracın yazılım paketindeki temel bileşenleri tanımlayın
  • Araç modellerini programlamak ve kontrol etmek
  • Araç geliştirme endüstrisindeki güvenlik çerçevelerini ve mevcut uygulamaları analiz edin

Otonom araçlar için durum ve konum tahmini

Kurs 2

  • 26 saat
  • 4,7 (822 değerlendirme)

Kurs detayları

Ne öğreneceksiniz:
  • Hata azaltma yöntemi gibi otonom sürüşte kullanılan parametreleri ve durumları tahmin etmeye yönelik ana yöntemleri anlamak
  • GPS ve IMU’lar dahil olmak üzere tipik araç konum sensörleri için bir model geliştirin
  • Araç durumu tahmin problemlerini çözmek için genişletilmiş ve seyrek olmayan Kalman filtreleri kullanmak
  • LIDAR taramalarını ve yinelemeli en yakın nokta algoritmasını eşleştirme tekniklerini uygulayın

Otonom araçlar için görsel algı

Kurs 3

  • 31 saat
  • 4,7 (571 değerlendirme)

Kurs detayları

Ne öğreneceksiniz:
  • köşe kamera modeliyle çalışın ve kameranın iç ve dış kalibrasyonunu yapın
  • Görüntü özelliklerini keşfedin, tanımlayın ve eşleştirin ve kendi evrişimli sinir ağlarınızı tasarlayın
  • Bu yöntemleri görsel odometride, nesnelerin tanımlanmasında ve izlenmesinde kullanın
  • Sürülebilir yüzeyleri tahmin etmek için anlamsal kesme uygulayın

Otonom araçlar için trafik planlaması

Kurs 4

  • 32 saat
  • 4,8 (461 değerlendirme)

Kurs detayları

Ne öğreneceksiniz:
  • Toronto Üniversitesi Otonom Araçlar uzmanlığının dördüncü kursu olan Otonom Araçlar için Trafik Planlama kursuna hoş geldiniz.
  • Bu kurs size görev planlama, davranış planlama ve yerel planlama dahil olmak üzere otonom sürüşteki ana planlama görevlerini tanıtacaktır.
  • Bu kursun sonunda Dijkstra algoritmasını kullanarak bir grafik veya yol ağı üzerinde en kısa rotayı bulabileceksiniz ve*
  • Gerçekleştirilecek güvenli davranışları seçmek için sonlu durum makinelerini kullanın
  • Trafik yasalarına uyarken engellerin etrafında güvenli bir şekilde gezinmek için en uygun rotaları ve akıcı hız profillerini geliştirin.
  • Ayrıca ortamdaki statik unsurların doluluk ızgara haritalarını hazırlayacak ve çatışmaları etkili bir şekilde kontrol etmek için bunları nasıl kullanacağınızı öğreneceksiniz.
  • Bu kurs size, tipik bir sürücü gibi davranarak ve her zaman güvenliği korurken sizi evden işe götürecek eksiksiz bir kişisel planlama çözümü oluşturma becerisini sağlayacaktır.
Bu dersin final projesi için:
  • CARLA simülatöründe, şeridinize park etmiş bir araçtan kaçınmak, önde giden bir aracı takip etmek ve bir kavşakta güvenli bir şekilde gezinmek de dahil olmak üzere bir dizi senaryoda gezinmek için hiyerarşik bir trafik planlayıcı uygulayın.
  • Gerçek dünyadaki rastgelelikle uğraşacaksınız ve çözümünüzün ortamdaki değişikliklere karşı dayanıklı olmasını sağlamak için çalışmanız gerekecek.
Kurs gereksinimleri:
  • Bu, robotik konusunda belirli bir geçmişi olan öğrencilere yönelik, orta düzeyde bir kurstur ve bu uzmanlığın 1. kursunda oluşturulan modellere ve kontrolörlere dayanmaktadır.
  • Bu kursta başarılı olmak için Python 3.0’da programlama deneyimine sahip olmanız ve doğrusal cebirin (matrisler, vektörler, matris çarpımı, derece, değerler ve özvektörler ve tersler) yanı sıra kalkülüs (adi diferansiyel denklemler, integral) konularında bilgi sahibi olmanız gerekir. .