Machine Learning for Robotics培训

这种以讲师为主导的中国现场现场培训针对的是希望通过探索各种空中机器人概念和工具来设计，开发和测试飞行器的工程师和开发人员。

在培训结束时，参与者将能够：

• 了解空中机器人的基础知识。
• 对无人机和四旋翼飞行器进行建模和设计。
• 了解飞行控制和运动规划的基础知识。
• 了解如何为空中机器人使用不同的仿真工具。

这种以讲师为主导的中国现场现场培训面向任何希望了解UAS基础知识并将无人机技术应用于各个行业的规划，运营，管理和分析的人。

在培训结束时，参与者将能够：

• 获得无人机和无人机的基础知识。
了解无人机的
• 分类和用途，以找到满足不同需求的合适无人机。
• 评估交付选项和法规，以方便无人机操作。
• 了解使用无人机技术的风险和道德规范。
• 探索无人机的未来用途和功能，包括与其他技术的集成。

这种以讲师为主导的中国现场现场培训面向希望应用空中机器人技术优化农业数据收集和分析的农业技术人员，研究人员和工程师。

在培训结束时，参与者将能够：

• 了解无人机技术及其相关法规。
• 部署无人机来获取、处理和分析作物数据，以改进耕作和农业方法。

这种以讲师为主导的中国现场培训（现场或远程）针对希望设计和开发无人驾驶无人机的开发人员和技术人员。

在培训结束时，参与者将能够：

• 设置合适的开发环境。
• 选择并应用正确的工具对无人机进行编程。
• 了解并配置固件、中间件和 API 堆栈。
• 使用无人机仿真软件测试和调试他们的代码。

在这个以讲师为主导的中国现场培训中，参与者将学习如何通过使用 机器人可视化和模拟工具开始使用ROS进行机器人项目 。

在培训结束时，参与者将能够：

• 了解 ROS 的基础知识。
• 了解如何使用 ROS 创建基本机器人项目。
• 了解如何使用不同的机器人工具，包括仿真和可视化工具。

这种由讲师指导的现场培训中国（在线或现场）面向初级到中级和潜在的高级机器人开发人员，他们希望学习如何使用 ROS 使用 Python 对移动机器人进行编程。

在培训结束时，参与者将能够：

• 设置包括 ROS、Python 和移动机器人平台的开发环境。
• 使用 Python 创建并运行 ROS 节点、主题、服务和操作。
• 使用 ROS 工具和实用程序来监视和调试 ROS 应用程序。
• 使用 ROS 包和库来执行移动机器人的常见任务。
• 与其他框架和工具集成 ROS。
• 故障排除和调试 ROS 应用程序。

智能机器人是一个人工智能（AI）系统，可以从其环境和经验中学习，并根据这些知识构建其功能。智能机器人可以与人类协作，与他们一起工作并从他们的行为中学习。此外，他们不仅具有体力劳动，而且具有认知任务的能力。除了物理机器人之外，智能机器人还可以是纯粹基于软件的，作为软件应用程序驻留在计算机中，没有移动部件或与世界物理交互。 在这种有指导性的现场培训中，参与者将学习用于编程不同类型机械智能机器人的不同技术，框架和技术，然后应用这些知识完成他们自己的智能机器人项目。 该课程分为4个部分，每个部分包括为期三天的讲座，讨论和在现场实验室环境中开发机器人。每个部分都将结束一个实际的简单项目，让参与者练习和展示他们获得的知识。 本课程的目标硬件将通过仿真软件进行3D模拟。 ROS（机器人操作系统）开源框架，C ++和Python将用于编程机器人。 在培训结束后，参与者将能够： 了解机器人技术中使用的关键概念理解和管理机器人系统中软件和硬件之间的交互理解并实施支撑智能机器人的软件组件构建和操作模拟机械智能机器人，通过语音可以看到，感知，处理，掌握，导航和与人类互动通过深度学习扩展智能机器人执行复杂任务的能力在实际场景中测试并排除智能机器人的故障 听众 开发商工程师 课程的格式 部分讲座，部分讨论，练习和沉重的练习 注意 要定制本课程的任何部分（编程语言，机器人模型等），请联系我们安排。

Azure Bot服务结合了Microsoft Bot Framework和Azure功能的强大功能，可实现智能机器人的快速开发。

在这个由讲师指导的实时培训中，参与者将学习如何使用Microsoft Azure轻松创建智能机器人

在培训结束时，参与者将能够：

• 了解智能机器人的基础知识
• 了解如何使用云应用程序创建智能机器人
• 了解如何使用Microsoft Bot Framework，Bot Builder SDK和Azure Bot服务
• 了解如何使用bot模式设计机器人
• 使用Microsoft Azure开发他们的第一个智能机器人

听众

• 开发商
• 爱好者
• 工程师
• IT专业人士

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

机器人或聊天机器人就像一个计算机助手，用于在各种消息传递平台上自动进行用户交互，并更快地完成工作，而无需用户与另一个人交谈。

在这个由讲师指导的现场培训中，参与者将学习如何开始开发机器人，因为他们使用机器人开发工具和框架逐步创建示例聊天机器人。

在培训结束时，参与者将能够：

• 了解机器人的不同用途和应用
• 了解开发机器人的完整过程
• 探索用于构建机器人的不同工具和平台
• 为 Facebook Messenger 构建示例聊天机器人
• 使用 Microsoft Bot Framework 生成示例聊天机器人

观众

• 有兴趣创建自己的机器人的开发人员

课程形式

• 部分讲座，部分讨论，练习和大量动手练习

这种以讲师为主导的中国现场现场培训面向希望了解人工智能对机电一体化系统适用性的工程师。

在培训结束时，参与者将能够：

• 大致了解人工智能、机器学习和计算智能。
• 了解神经网络的概念和不同的学习方法。
• 针对现实生活中的问题有效地选择人工智能方法。
• 在机电一体化工程中实施 AI 应用。

H2O AutoML is an artificial intelligence platform that automates the process of building, selecting and optimizing large numbers of machine learning models.

This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use H2O AutoML to automate the process of building and selecting the best machine learning algorithm and parameters.

By the end of this training, participants will be able to:

• Automate the machine learning workflow.
• Automatically train and tune many machine learning models within a specified time range.
• Train stacked ensembles to arrive at highly predictive ensemble models.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

这种以讲师为主导的中国现场现场培训针对的是希望使用Auto-sklearn来自动化选择和优化机器学习模型过程的机器学习从业者。

在培训结束时，参与者将能够：

• 自动执行训练高效机器学习模型的过程。
• 构建高度准确的机器学习模型，同时绕过选择、训练和测试不同模型等更繁琐的任务。
• 利用机器学习的强大功能解决实际业务问题。

这种以讲师为主导的中国现场培训（现场或远程）针对的是数据科学家以及希望使用Auto-Keras来自动化选择和优化机器学习模型过程的技术人员。

在培训结束时，参与者将能够：

• 自动执行训练高效机器学习模型的过程。
• 自动搜索深度学习模型的最佳参数。
• 构建高度准确的机器学习模型。
• 利用机器学习的强大功能解决实际业务问题。

这种以讲师为主导的现场培训（现场或远程）面向希望 利用 Stable Diffusion 为各种用例生成高质量图像的数据科学家、机器学习工程师和计算机视觉研究人员。

在培训结束时，参与者将能够：

了解 Stable Diffusion 的原理以及它如何用于图像生成。 为图像生成任务构建和训练 Stable Diffusion 个模型。 将 Stable Diffusion 应用于各种图像生成场景，例如修复、修复和图像到图像的转换。 优化 Stable Diffusion 模型的性能和稳定性。

这种由讲师指导的中国现场现场培训面向中高级数据科学家，机器学习工程师，深度学习研究人员和计算机视觉专家，他们希望扩展其在深度学习方面的知识和技能，以生成文本到图像。

在培训结束时，参与者将能够：

了解用于文本到图像生成的高级深度学习架构和技术。 实施复杂的模型和优化，实现高质量的图像合成。 优化大型数据集和复杂模型的性能和可扩展性。 调整超参数以获得更好的模型性能和泛化。 将 Stable Diffusion 与其他深度学习框架和工具集成