Desenvolva competências essenciais em Robótica e Visão Artificial matriculando-se agora neste Advanced Master da TECH"

A ascensão da Inteligência Artificial e da Robótica está a mudar o panorama tecnológico, económico e social por todo o mundo. A especialização em áreas como a visão artificial tornou-se crucial para nos mantermos na vanguarda nesta era de avanços rápidos e mudanças disruptivas. A crescente interação entre máquinas e seres humanos, bem como a necessidade de processar informações visuais de forma eficiente, exigem profissionais altamente qualificados que possam enfrentar estes desafios e liderar a inovação.

O Advanced Master em Robótica e Visão Artificial oferece uma capacitação abrangente nestas disciplinas emergentes, cobrindo tópicos como Realidade Aumentada, Inteligência Artificial e processamento de informação visual em máquinas, entre outros. Os alunos beneficiarão de uma abordagem teórico-prática, aprendendo sobre os últimos desenvolvimentos em Robótica e Visão Artificial e a aplicar estes conhecimentos em ambientes reais.

Para além disso, o Advanced Master é 100% online, o que permite aos alunos adaptarem a sua aprendizagem às suas circunstâncias pessoais e profissionais, facilitando-lhes a conciliação da aprendizagem com as suas próprias responsabilidades. Os alunos terão acesso a materiais didáticos de alta qualidade, tais como resumos em vídeos, leituras essenciais e vídeos detalhados que lhes proporcionarão uma visão global da robótica e da visão artificial.

Assim, o Advanced Master  em Robótica e Visão Artificial é uma oportunidade única para os informáticos que procuram diferenciar-se num mercado de trabalho altamente competitivo e adquirir competências especializadas num domínio com grande potencial de crescimento.

Domine as técnicas de visão artificial e torne-se num especialista em análise de imagens e sistemas de visão 3D"

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

Descubra como a tecnologia robótica pode ser aplicada em diversos domínios, como a medicina e a exploração espacial, reforçando consideravelmente a sua proposta de valor"

O seu corpo docente inclui profissionais da área do jornalismo, que trazem a sua experiência profissional para este curso, assim como especialistas reconhecidos de empresas líderes e universidades de prestígio.

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

A estrutura deste curso baseia-se na Aprendizagem Baseada nos Problemas, através da qual o instrutor deve tentar resolver as diferentes situações da atividade profissional que surgem ao longo do curso académico. Para tal, o profissional contará com a ajuda de um sistema inovador de vídeo interativo desenvolvido por especialistas reconhecidos.

Potencialize os seus projetos explorando a aplicação da inteligência artificial e da aprendizagem automática na robótica"

Reforce as suas competências em algoritmos de planeamento e controlo para o desenvolvimento de robôs inteligentes e eficientes"

O principal objetivo do Advanced Master em Robótica e Visão Artificial é formar especialistas no domínio da robótica, proporcionando uma sólida base teórica e prática em áreas essenciais como a visão artificial, a robótica móvel e a inteligência artificial aplicada à robótica. Os alunos aprenderão a conceber e desenvolver sistemas robóticos avançados que sejam eficientes e colaborativos, melhorando a interação homem-robô e garantindo a segurança em diversos ambientes.

Aprofunde os seus conhecimentos em áreas fundamentais da robótica e torne-se num especialista na criação de soluções inovadoras"

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 formação 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 Robôs 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 características 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 robôs
• 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 robô
• 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
• Propor 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
• Propor 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
• Propor técnicas para evitar o Overfitting
• Examinar as diferentes arquiteturas
• Compilar os métodos de inferência

Módulo 18. Detenção 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
• Propor 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 Avançada de Imagem 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

Prepare-se para enfrentar os desafios da robótica do futuro e contribua para o avanço da tecnologia em vários setores"