Torne-se num especialista em Robótica e Visão Artificial em 24 meses com este Advanced Master da TECH. Inscreva-se agora mesmo”

A ascensão da Inteligência Artificial e da Robótica está a mudar o panorama tecnológico, económico e social mundial. Neste contexto, a especialização em áreas como a visão artificial é crucial para se manter atualizado num ambiente de rápidos avanços e mudanças disruptivas. A crescente interação entre humanos e máquinas e a necessidade de processar eficazmente a informação visual exigem profissionais altamente qualificados para liderar a inovação e enfrentar os desafios. 

Um cenário ideal para profissionais de engenharia que desejem evoluir a sua carreira num setor emergente. Por esta razão, a TECH concebeu este Advanced Master em Robótica e Visão Artificial que oferece uma capacitação abrangente nestas disciplinas emergentes, cobrindo tópicos como Realidade Aumentada, Inteligência Artificial e processamento de informação visual em máquinas, entre outros. 

Um Advanced Master que oferece uma abordagem teórico-prática que permite aos alunos aplicarem os seus conhecimentos em ambientes reais. Tudo isto num Advanced Master superior ministrado de forma 100% online, o que permite ao aluno adaptar a sua aprendizagem às suas responsabilidades pessoais e profissionais. Desta forma, terá acesso a materiais didáticos de alta qualidade, tais como vídeos, leituras essenciais e recursos pormenorizados que lhes proporcionarão uma visão global da robótica e da visão artificial. 

Para além disso, graças ao método Relearning, baseado na reiteração dos conteúdos mais importantes, o aluno notará uma redução nas horas  de estudo e consolidará de forma mais simples os conceitos mais relevantes. 

Um Advanced Master único no panorama académico que se distingue também pela excelente equipa de especialistas da área. Os seus excelentes conhecimentos e experiência no setor estão patentes num plano de estudos avançado apenas proporcionado pela TECH.  

Torne-se um líder em inovação e enfrente os desafios éticos e de segurança na criação de soluções inovadoras e eficazes em diferentes setores da indústria" 

Este Advanced Master em Robótica e Visão Artificial conta com o conteúdo educacional mais completo e atualizado do mercado. As suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Informática
• O conteúdo gráfico, esquemático e eminentemente prático do livro fornece informações científicas e práticas sobre as disciplinas que são essenciais para a prática profissional
• Exercícios práticos onde o processo de autoavaliação pode ser levado a cabo para melhorar a aprendizagem
• A sua ênfase especial em metodologias inovadoras no desenvolvimento de Robôs e Visão Artificial
• As palestras teóricas, perguntas a especialistas, fóruns de discussão sobre questões controversas e atividades de reflexão individual
• A disponibilidade de acesso ao conteúdo a partir de qualquer dispositivo fixo ou portátil com ligação à Internet

Aproveite a oportunidade de fazer um Advanced Master 100% online, adaptando o seu tempo de estudo às suas circunstâncias pessoais e profissionais"

O seu corpo docente inclui profissionais do setor da robótica, que trazem a sua experiência profissional para esta capacitação, bem como especialistas reconhecidos de empresas de referência e Universidades de prestígio. 

Graças ao seu conteúdo multimédia, desenvolvido com a mais recente tecnologia educativo, o profissional terá acesso a uma aprendizagem situada e contextual, ou seja, um ambiente de simulação que proporcionará um estudo imersivo programado para se capacitar em situações reais. 

A estrutura deste Advanced Master baseia-se na Aprendizagem Baseada em Problemas, através da qual o instrutor deve tentar resolver as diferentes situações da atividade profissional que surgem no seu decorrer. Para tal, o profissional contará com a ajuda de um sistema inovador de vídeo interativo desenvolvido por especialistas reconhecidos.

Analise através do melhor material didático como ajustar e a parametrizar algoritmos SLAM"

Mergulhe, quando e onde quiser, nos progressos alcançados através da Deep Learning"

Graças a este Advanced Master, o engenheiro profissional adquirirá os conhecimentos necessários para enfrentar os desafios no domínio da Robótica e Visão Artificial, o que lhe permitirá destacar-se no mercado de trabalho em constante evolução e fornecer soluções práticas e eficazes no seu domínio de trabalho. Para o efeito, a TECH coloca à disposição os instrumentos pedagógicos mais inovadores e um corpo docente especializado que responderá a todas as questões que os alunos possam ter sobre o conteúdo deste Advanced Master.

Os casos de estudo deste Advanced Master proporcionar-lhe-ão uma abordagem eminentemente prática da conceção e modelação de robôs" 

Objetivos gerais

• Desenvolver os fundamentos matemáticos para a modelação cinemática e dinâmica de robôs
• Aprofundar conhecimentos sobre a utilização de tecnologias específicas para a criação de arquiteturas de robôs, modelação de robôs e simulação
• Gerar conhecimentos especializados sobre Inteligência Artificial
• Desenvolver as tecnologias e os dispositivos mais utilizados na automatização industrial
• Identificar os limites das técnicas atuais para identificar os pontos de estrangulamento em aplicações robóticas
• Obter uma visão geral dos dispositivos e hardware utilizados no mundo da visão artificial
• Analisar os diferentes campos em que a visão é aplicada
• Identificar em que ponto se encontram neste momento os avanços tecnológicos na visão
• Avaliar o que está a ser investigado e o que se vai passar nos próximos anos
• Estabelecer uma base sólida na compreensão dos algoritmos e técnicas de processamento digital de imagens
• Avaliar técnicas fundamentais de visão por computador
• Analisar técnicas avançadas de processamento de imagem
• Apresentar a biblioteca open 3D
• Analisar as vantagens e dificuldades de trabalhar em 3D em vez de 2D
• Apresentar as redes neurais e examinar o seu funcionamento
• Analisar as métricas para uma capacitação adequada
• Analisar as métricas e ferramentas existentes
• Examinar o pipeline de uma rede de classificação de imagens
• Analisar as redes neurais de segmentação semântica e as suas métricas

Objetivos específicos

Módulo 1. Robótica. Conceção e Modelação de Robôs

• Aprofundar conhecimentos sobre a utilização da tecnologia de simulação Gazebo
• Dominar a utilização da linguagem de modelação de robôs URDF
• Desenvolver competências especializadas na utilização da tecnologia de Robot Operating System
• Modelação e Simulação de Robôs Manipuladores, Robôs Móveis Terrestres, Robôs Móveis Aéreos e Modelação e Simulação de Robôs Móveis Aquáticos

Módulo 2. Agentes Inteligentes. Aplicar a Inteligência Artificial a Robots e Softbots

• Analisar a inspiração biológica da Inteligência Artificial e dos agentes inteligentes
• Avaliar a necessidade de algoritmos inteligentes na sociedade atual
• Determinar as aplicações de técnicas avançadas de Inteligência Artificial em Agentes Inteligentes
• Demonstrar a forte ligação entre a Robótica e a Inteligência Artificial
• Estabelecer as necessidades e os desafios apresentados pela Robótica que podem ser resolvidos com Algoritmos Inteligentes
• Desenvolver implementações concretas de algoritmos de Inteligência Artificial
• Identificar os algoritmos de Inteligência Artificial que se encontram estabelecidos na sociedade atual e o seu impacto na vida quotidiana

Módulo 3. Deep Learning

• Analisar as famílias que compõem o mundo da inteligência artificial
• Compilar os principais Frameworks de Deep Learning
• Definir as redes neurais
• Apresentar os métodos de aprendizagem das redes neurais
• Fundamentar as funções de custo
• Estabelecer as funções de ativação mais importantes
• Examinar técnicas de regularização e normalização
• Desenvolver métodos de otimização
• Apresentar os métodos de inicialização

Módulo 4. A robótica na automatização de processos industriais

• Analisar a utilização, aplicações e limitações das redes de comunicação industriais
• Estabelecer normas de segurança das máquinas para uma conceção correta
• Desenvolver técnicas de programação em PLCs limpas e eficazes
• Propor novas formas de organizar operações utilizando máquinas de estado
• Demonstrar a implementação de paradigmas de controlo em aplicações reais de PLCs
• Fornecer uma base para a conceção de sistemas pneumáticos e hidráulicos em automatização
• Identificar os principais sensores e atuadores em robótica e automatização

Módulo 5. Sistemas de Controlo Automático em Robótica

• Gerar conhecimentos especializados para a conceção de controladores não-lineares
• Analisar e estudar os problemas de controlo
• Dominar os modelos de controlo
• Conceção de controladores não-lineares para sistemas robóticos
• Implementar controladores e avaliá-los num simulador
• Identificar as diferentes arquiteturas de controlo existentes
• Examinar os princípios básicos do controlo através da visão
• Desenvolver técnicas de controlo de ponta, como o controlo preditivo ou o controlo baseado na aprendizagem automática

Módulo 6. Algoritmos de planeamento de robôs

• Estabelecer os diferentes tipos de algoritmos de planeamento
• Analisar a complexidade do planeamento de movimentos em robótica
• Desenvolver técnicas de modelação do ambiente
• Examinar os prós e os contras das diferentes técnicas de planeamento
• Analisar algoritmos centralizados e distribuídos para a coordenação de robôs
• Identificar os diferentes elementos da teoria da decisão
• Propor algoritmos de aprendizagem para resolver problemas de decisão

Módulo 7. Visão artificial

• Estabelecer como funciona o sistema de visão humana e como se digitaliza uma imagem
• Analisar a evolução da visão artificial
• Avaliar as técnicas de aquisição de imagem
• Gerar conhecimentos especializados sobre sistemas de iluminação como um fator importante no processamento de uma imagem
• Identificar os sistemas óticos existentes e avaliar a sua utilização
• Examinar os sistemas de visão 3D e como graças a estes sistemas damos profundidade às imagens
• Desenvolver os diferentes sistemas que existem fora do campo visível para o olho humano

Módulo 8. Aplicações e estado da arte

• Analisar a utilização da visão artificial em aplicações industriais
• Determinar como se aplica a visão à revolução dos veículos autónomos
• Analisar imagens na análise de conteúdos
• Desenvolver algoritmos de Deep Learning para a análise médica e de Machine Learning para assistência no bloco operatório
• Analisar a utilização da visão em aplicações comerciais
• Determinar como os robôs têm olhos graças à visão artificial e como esta se aplica às viagens espaciais
• Estabelecer o que é a realidade aumentada e os campos de utilização
• Analisar a revolução da Cloud Computing
• Apresentar o Estado da Arte e o que nos reservam os próximos anos

Módulo 9. Técnicas de Visão Artificial em Robótica: Processamento e Análise de Imagens

• Analisar e compreender a importância dos sistemas de visão na robótica
• Estabelecer as caraterísticas dos diferentes sensores de deteção para escolher os mais adequados de acordo com a aplicação
• Identificar técnicas para extrair informações de dados de sensores
• Aplicar ferramentas de processamento de informação visual
• Conceber algoritmos de processamento digital de imagens
• Analisar e prever o efeito das alterações de parâmetros nos resultados dos algoritmos
• Avaliar e validar os algoritmos desenvolvidos com base nos resultados

Módulo 10. Sistemas de Perceção Visual de Robôs com Aprendizagem Automática

• Dominar as técnicas de aprendizagem automática mais utilizadas atualmente no meio académico e na indústria
• Aprofundar a compreensão das arquiteturas das redes neurais para as aplicar eficazmente a problemas reais
• Reutilização de redes neurais existentes em novas aplicações utilizando a Transfer Learning
• Identificar novos domínios de aplicação das redes neurais generativas
• Analisar a utilização de técnicas de aprendizagem noutros domínios da robótica como a localização e o mapeamento
• Desenvolver as atuais tecnologias de computação em nuvem para desenvolver tecnologias baseadas em redes neurais
• Examinar a implementação de sistemas de visão por aprendizagem em sistemas reais e integrados

Módulo 11. SLAM Visual. Localização de Robôs e Mapeamento Simultâneo utilizando Técnicas de Visão Artificial

• Concretizar a estrutura básica de um Sistema de Localização e Mapeamento Simultâneos (SLAM)
• Identificar os sensores básicos utilizados na Localização e Mapeamento Simultâneos (SLAM visual)
• Estabelecer os limites e capacidades do SLAM visual
• Compilar as noções básicas de geometria projetiva e epipolar para compreender os processos de projeção de imagens
• Identificar as principais tecnologias do SLAM visual: Filtragem Gaussiana, Otimização e Deteção de Encerramento de Circuitos
• Descrever em pormenor o funcionamento dos principais algoritmos de SLAM visual
• Analisar como afinar e a parametrizar algoritmos SLAM

Módulo 12. Aplicação à Robótica das Tecnologias de Realidade Virtual e Aumentada

• Diferenciar entre os diferentes tipos de realidades
• Analisar as normas atuais de modelação de elementos virtuais
• Examinar os periféricos mais utilizados em ambientes de imersão
• Definir modelos geométricos de robots
• Avaliar motores físicos para a modelação dinâmica e cinemática de robôs
• Desenvolver projetos de Realidade Virtual e Realidade Aumentada

Módulo 13. Sistemas de Comunicação e Interação de Robôs

• Analisar as atuais estratégias de processamento da linguagem natural: heurística, estocástica, baseada em redes neurais, aprendizagem baseada no reforço
• Avaliar as vantagens e os pontos fracos do desenvolvimento de sistemas de interação transversais ou centrados numa situação particular
• Especificar os problemas ambientais que devem ser resolvidos para conseguir uma comunicação eficaz com o robot
• Estabelecer as ferramentas necessárias para gerir a interação e discernir o tipo de iniciativa de diálogo a seguir
• Combinar estratégias de reconhecimento de padrões para inferir as intenções do interlocutor e responder às mesmas da melhor forma
• Determinar a expressividade ótima do robô com base na sua funcionalidade e ambiente e aplicar técnicas de análise emocional para adaptar a sua resposta
• Propor estratégias híbridas de interação com o robô: vocal, tátil e visual

Módulo 14. Processamento digital de imagens

• Examinar bibliotecas de processamento digital de imagens e de código aberto
• Determinar o que é uma imagem digital e avaliar as operações fundamentais para poder trabalhar com elas
• Apresentar os filtros em imagens
• Analisar a importância e uso dos histogramas
• Apresentar ferramentas para modificar as imagens pixel a pixel
• Propôr ferramentas de segmentação de imagem
• Analisar as operações morfológicas e as suas aplicações
• Determinar a metodologia em calibração de imagens
• Avaliar os métodos para segmentar imagens com visão convencional

Módulo 15. Processamento digital de imagens avançado

• Examinar os filtros avançados de processamento digital de imagens
• Determinar as ferramentas de extração e análise de contornos
• Analisar os algoritmos de pesquisa de objetos
• Demonstrar como se trabalha com imagens calibradas
• Analisar técnicas matemáticas para a análise de geometrias
• Avaliar diferentes opções na composição de imagens
• Desenvolver interface de utilizador

Módulo 16. Processamento de imagens 3D

• Examinar uma imagem 3D
• Analisar o software utilizado para o processamento de dados 3D
• Desenvolver o open3D
• Determinar os dados relevantes de uma imagem 3D
• Demonstrar as ferramentas de visualização
• Estabelecer filtros de eliminação de ruído
• Propôr ferramentas de Cálculos Geométricos
• Analisar metodologias de deteção de objetos
• Avaliar métodos de triangulação de reconstrução de cenas

Módulo 17. Redes convolucionais e classificação de imagens

• Gerar conhecimentos especializados sobre as redes neurais convolucionais
• Estabelecer métricas de avaliação
• Analisar o funcionamento das CNN para a classificação de imagens
• Avaliação do aumento de dados
• Propôr técnicas para evitar o Overfitting
• Examinar as diferentes arquiteturas
• Compilar os métodos de inferência

Módulo 18. Deteção de objetos

• Analisar como funcionam as redes de deteção de objetos
• Examinar os métodos tradicionais
• Determinar métricas de avaliação
• Identificar os principais conjuntos de dados utilizados no mercado
• Propôr arquiteturas do tipo Two Stage Object Detector
• Analisar Métodos de Fine Tunning
• Examinar diferentes arquiteturas tipo Single Shoot
• Estabelecer algoritmos de rastreio de objetos
• Aplicar deteção e monitorização de pessoas

Módulo 19. Segmentação de imagens com deep learning

• Analisar como funcionam as redes de segmentação semântica
• Avaliar os métodos tradicionais
• Examinar as métricas de avaliação e as diferentes arquiteturas
• Examinar os domínios do vídeo e pontos de nuvens
• Aplicar os conceitos teóricos através de diferentes exemplos

Módulo 20. Segmentação de Imagens Avançada e Técnicas Avançadas de Visão por Computador

• Gerar conhecimento especializados sobre a Gestão de ferramentas
• Examinar a segmentação semântica na medicina
• Identificar a estrutura de um projeto de segmentação
• Analisar os autocodificadores
• Desenvolver as Redes Adversárias Generativas

Conceber e desenvolver sistemas robóticos avançados que sejam eficientes e colaborativos, melhorando a interação homem-robô e garantindo a segurança em diversos ambientes"