Programa Nanodegree

Engenheiro de Carro Autônomo

Construa o futuro, hoje

Bem-vindo ao único programa desse tipo, em que você dominará as tecnologias necessárias para desenvolver um carro autônomo! Em parceria com as melhores empresas na área, oferecemos um currículo de classe mundial, instrutores especializados e oportunidades de contratação exclusivas.

Este programa Nanodegree avançado possui processo seletivo e vagas limitadas.

Play Video
  • Nível
    Avançado
  • Tempo
    9 meses

    3 períodos de 3 meses cada. Cada período custa R$ 2.400,00.

  • Pré-requisitos
    Programação e estatística

    Veja os pré-requisitos detalhados

  • Legendas
    Inglês

    Vídeos em inglês com legendas em inglês.

Conteúdo desenvolvido por
  • Mercedes Benz
  • Nvidia
  • Uber ATG
  • Didi
  • BMW
  • McLaren
  • NextEv

Por que escolher este Nanodegree?

Carros autônomos chegaram para revolucionar a maneira como vivemos. Esta é uma tecnologia transformadora, na vanguarda da robótica, do machine learning, engenharia de software e engenharia mecânica. Neste curso, você vai aprender as habilidades e técnicas utilizadas pelas equipes de carros autônomos com as empresas de tecnologia mais avançadas do mundo.

Por que escolher este Nanodegree?

Carros autônomos já circulam pelo Vale do Silício hoje

Construa o futuro, hoje

Construa o futuro, hoje

Entre no mundo Udacity e aprenda com os melhores da educação online. Construímos um Nanodegree para você aprender engenharia de carros autônomos, incluindo: visão computacional, fusão de sensores, controladores, cinemática de veículos, hardware automotivo e deep learning. Todo o conteúdo foi desenhado por especialistas para que você se prepare para um papel-chave neste campo incrível. Se o seu objetivo é construir o futuro, então o seu futuro começa aqui.

Aprendizado por projeto e feedback de especialistas

Aprendizado por projeto e feedback de especialistas

Durante seu Nanodegree, você desenvolverá diferentes projetos, colocando em prática tudo que aprendeu. Seus projetos serão revisados por especialistas na área, e você será informado sobre o que está fazendo bem, sugestões de melhorias e, caso não tenha cumprido algum requisito, a indicação para refazê-lo. Também provemos o melhor conjunto de monitores para o seu aprendizado. Seja por meio de nosso fórum, Slack ou comunidade online, acompanhamos seu aprendizado para ter a certeza de que você está aprendendo tudo que este Nanodegree oferece a você.

Conheça seus instrutores

Sebastian Thrun
Sebastian Thrun

Instrutor

Professor de pesquisa na Universidade de Stanford, membro do Google, Academia Nacional de Engenharia e Academia Alemã de Ciências. É conhecido por sua pesquisa em robótica e aprendizado de máquina, principalmente pelo seu trabalho com carro autônomo.

David Silver
David Silver

Instrutor

David é o especialista responsável pelo Nanodegree Engenheiro de Carro Autônomo da Udacity. Antes, trabalhou no projeto de carro autônomo da Ford, sendo também professor de diferentes cadeiras de empreendedorismo na Stanford University Graduate School of Business.

Ryan Keenan
Ryan Keenan

Instrutor

Ryan é doutros em Astrofísica e um apaixonado por ensinar e aprender. Também é um dos principais instrutores do programa Self-Driving Car Nanodegree. Quando não está preparando aulas de robótica da Udacious, pode ser encontrado nas montanhas ou surfando.

O que você vai aprender

Pré-requisitos

Programação e estatística.   Veja os pré-requisitos detalhados

Ferramentas

É necessário possuir uma conta no GitHub para enviar seus projetos, assim como saber compartilhar o código antes de se matricular.Faça o nosso curso sobre Como Usar o Git e o GitHub se você precisar.

  • Primeiro período

    Visão computacional e deep learning

    Neste período, você se transformará em um especialista na utilização de visão computacional e deep learning em problemas automotivos. Você ensinará o carro a detectar as faixas, prever o ângulo de esterçamento e mais - tudo com base nas informações obtidas pelas câmeras.

  • Segundo período

    Fusão sensorial, localização e controle

    Aprenda a usar uma série de dados sensoriais para perceber o espaço onde o carro está circulando e conseguir controlar o veículo. Você avaliará os dados provenientes da câmera, do radar, do lidar e do GPS, e os usará em controladores de malha fechada que acionam o veículo.

  • Terceiro período

    Planejamento de rota, sistemas e especializações

    Você aprenderá a planejar aonde o veículo deve ir, como os sistemas do veículo funcionam juntos, e ainda se aprofundará em uma especialização à sua escolha: (A) deep learning avançado ou (B) segurança funcional.

Projetos que você realizará

Detecção de faixas de trânsito
Projeto 1

Detecção de faixas de trânsito

Detecte faixas de trânsito de uma rodovia a partir de um vídeo. Use técnicas da biblioteca OpenCV para analisar as imagens, incluindo transformadas de Hough e detecção de bordas de Canny.

Detecte faixas de trânsito de uma rodovia a partir de um vídeo. Use técnicas da biblioteca OpenCV para analisar as imagens, incluindo transformadas de Hough e detecção de bordas de Canny.

Classificação de placas de trânsito
Projeto 2

Classificação de placas de trânsito

Implemente e treine uma rede neural convolutiva para classificar placas de trânsito. Use conjuntos de validação, pooling e dropout para escolher uma arquitetura de rede e melhorar seu desempenho.

Implemente e treine uma rede neural convolutiva para classificar placas de trânsito. Use conjuntos de validação, pooling e dropout para escolher uma arquitetura de rede e melhorar seu desempenho.

Clonagem comportamental
Projeto 3

Clonagem comportamental

Arquitete e treine uma rede neural profunda que permite dirigir um carro em um simulador. Colete os dados de treinamento você mesmo, e use-os para clonar seu próprio comportamento de direção em uma pista de teste.

Arquitete e treine uma rede neural profunda que permite dirigir um carro em um simulador. Colete os dados de treinamento você mesmo, e use-os para clonar seu próprio comportamento de direção em uma pista de teste.

Detecção avançada de faixas de trânsito
Projeto 4

Detecção avançada de faixas de trânsito

Detecte faixas nas pistas em uma ampla variedade de condições da estrada, incluindo mudança de superfície, curvas e iluminação variável. Utilize o OpenCV para implementar tanto a calibração e as transformadas da câmera, além dos filtros, ajustes polinômicos e splines.

Detecte faixas nas pistas em uma ampla variedade de condições da estrada, incluindo mudança de superfície, curvas e iluminação variável. Utilize o OpenCV para implementar tanto a calibração e as transformadas da câmera, além dos filtros, ajustes polinômicos e splines.

Rastreamento de veículos
Projeto 5

Rastreamento de veículos

Acompanhe o deslocamento de veículos em vídeo, usando classificadores como SVMs, árvores de decisão, HOG e DNNs. Aplique filtros para fundir dados posicionais.

Acompanhe o deslocamento de veículos em vídeo, usando classificadores como SVMs, árvores de decisão, HOG e DNNs. Aplique filtros para fundir dados posicionais.

Filtros de Kalman estendidos em C ++
Projeto 6

Filtros de Kalman estendidos em C ++

Filtros de Kalman estendidos (EKFs) são usados por engenheiros de veículos autônomos para combinar medições de sensores múltiplos em um modelo não linear. Construir um EKF é uma habilidade muito impressionante para uma entrevista de emprego.

Filtros de Kalman estendidos (EKFs) são usados por engenheiros de veículos autônomos para combinar medições de sensores múltiplos em um modelo não linear. Construir um EKF é uma habilidade muito impressionante para uma entrevista de emprego.

Filtro de Kalman unscented
Projeto 7

Filtro de Kalman unscented

Coloque suas habilidades à prova! Use C ++ para programar um Filtro de Kalman unscented capaz de rastrear movimentos não lineares.

Coloque suas habilidades à prova! Use C ++ para programar um Filtro de Kalman unscented capaz de rastrear movimentos não lineares.

Veículo sequestrado
Projeto 8

Veículo sequestrado

Implement a particle filter to take real-world data and localize a lost vehicle.

Implemente um filtro de partículas para coletar dados do mundo real e conseguir localizar um veículo perdido.

Mantendo do carro na faixa
Projeto 9

Mantendo do carro na faixa

Implemente um controlador que manterá um veículo simulado dentro da faixa. Se você quiser enfrentar um desafio extra, tente usar técnicas de visão computacional para identificar as faixas e estimar o erro de trajetória.

Implemente um controlador que manterá um veículo simulado dentro da faixa. Se você quiser enfrentar um desafio extra, tente usar técnicas de visão computacional para identificar as faixas e estimar o erro de trajetória.

Modelo de controle preditivo
Projeto 10

Modelo de controle preditivo

Neste projeto, você implementará um modelo de controle preditivo para conduzir o veículo em torno da pista, mesmo que haja latência entre os comandos!

Neste projeto, você implementará um modelo de controle preditivo para conduzir o veículo em torno da pista, mesmo que haja latência entre os comandos!

Planejamento de trajetória
Projeto 11

Planejamento de trajetória

Desenvolva seu próprio planejador de trajetória para conduzir um carro por uma rodovia movimentada.

Desenvolva seu próprio planejador de trajetória para conduzir um carro por uma rodovia movimentada.

Segmentação semântica
Especialização A: Projeto 12

Segmentação semântica

Treine redes de segmentação que pintam cada pixel da imagem de uma cor diferente com base em sua classes. Utilize imagens segmentadas para identificar espaços livres na rodovia.

Treine redes de segmentação que pintam cada pixel da imagem de uma cor diferente com base em sua classes. Utilize imagens segmentadas para identificar espaços livres na rodovia.

Segurança funcional
Especialização B: Projeto 12

Segurança funcional

É hora de começar o seu projeto de segurança funcional! Crie um exame de segurança para um sistema de assistência de faixas.

É hora de começar o seu projeto de segurança funcional! Crie um exame de segurança para um sistema de assistência de faixas.

Programa Nanodegree

Engenheiro de Carro Autônomo

Construa o futuro, hoje

Este programa Nanodegree avançado possui processo seletivo e vagas limitadas.

Perguntas Frequentes
    Estrutura do programa
  • Por que eu deveria me inscrever?

    Udacity é o único local a oferecer este tipo de oportunidade. Nós fizemos parceria com as melhores empresas do setor para oferecer um currículo de nível internacional, instrutores especialistas e oportunidades exclusivas de contratação. Praticamente qualquer aluno no mundo com uma conexão à internet pode estudar na Udacity para se transformar em um engenheiro de carros autônomos. Você irá criar e inclusive rodar o seu código em um carros autônomos de verdade da Udacity.

  • Que tipos de tópicos o programa irá cobrir?

    O programa irá abranger temas como deep learning, visão computacional, fusão sensorial, localização, controladores, cinemática do veículo, hardware automotivo e muito mais.

  • Como vocês estão desenvolvendo o currículo e quem são seus parceiros?

    Udacity está desenvolvendo o programa Nanodegree Engenheiro de Carros Autônomos em parceria direta com os principais especialistas da indústria de veículo autônomo incluindo Mercedes-Benz, Nvidia e Otto.

  • Para que tipos de trabalho este programa vai me preparar?

    Com temas curriculares cobrindo tais como deep learning, visão computacional, fusão sensorial, localização, controle, planejamento de trajetória e hardware automotivo os graduados deste programa estarão preparados para uma ampla variedade de papéis na indústria veículo autónomo, incluindo: engenheiro de Sistema de Software, engenheiro de Deep Learning, engenheiro de Pesquisa - Machine Learning, engenheiro de Planejamento Comportamental, engenheiro de Software de Veículos, engenheiro de Localização e Mapeamento, engenheiro de Condução Autônoma, engenheiro de Piloto Automático, engenheiro de Fusão de Sensores, engenheiro de Percepção Visual e engenheiro de Planejamento de Movimento. Se você optar por trabalhar fora de Engenharia Automotiva, o seu conhecimento em deep learning e robótica lhe permitirá preencher qualquer número de papéis relacionados em outras indústrias, incluindo: Engenheiro de Robótica Software, Engenheiro de Previsão, Engenheiro de Visão Computacional, Engenheiro de Internet das Coisas e Engenheiro de Automação . Para obter detalhes específicos de salário, por favor visite o módulo PAYSA na home page sobre o Nanodegree.

    Processo de Aplicação
  • Por que há um processo de aplicação para este programa Nanodegree?

    Dada a natureza especializada do currículo, é preciso garantir que todos os alunos matriculados têm os conhecimentos necessários, habilidades e experiência prévia. Este processo permite-nos avaliar as qualificações de cada candidato e ou aceitá-lo para o programa ou fazer recomendações para os cursos que o ajudarão a cumprir os pré-requisitos no futuro.

  • Qual é o critério de seleção da aplicação? Preciso ter experiência prévia em programação?

    Os candidatos devem ter participado on-line ou off-line de cursos nos campos relevantes de probabilidade, estatística, aprendizado de máquina e de programação Python. Além disso, é necessário ter experiência prévia em programação Python de nível intermediário.

  • Como e quando vai os candidatos selecionados serão notificados?

    Verifique na página de envio de sua inscrição as datas sobre notificaçnao de aprovação e limite para confirmação de matrícula. Você também será notificado por email sobre sua aprovação ou reprovação.

  • Se eu não cumprir os requisitos para se inscrever, o que devo fazer?

    Temos uma série de cursos e programas que podemos recomendar, dependendo das áreas que você precisa abordar. Por exemplo: Inteligência Artificial para Robótica Introdução ao Aprendizado de Máqiunas Introdução à Data Science Nanodegree Engenheiro de Machine Learning Nanodegree Data Science para Negócios Nanodegree Introdução à Programação

  • Eu não fui escolhido nesta rodada de admissões. O que eu devo fazer?

    Isso vai depender das razões pelas quais você não foi aceito. Nossa expectativa é que a razão mais comum será habilidades e lacunas de experiência passadas de um candidato, então o melhor caminho a seguir será estudar nessas áreas para garantir que você é capaz de atender aos requisitos durante o próximo período de aplicação, que deverá acontecer em outubro. Se você não for aceito a atual rodada de admissões, você é elegível para aplicar novamente na próxima rodada.

    Estrutura do Programa
  • Como a estrutura deste programa Nanodegree difere dos demais?

    Há uma série de diferenças importantes. Primeiro, como mencionado acima, existe um processo de candidatura . Em segundo lugar, o programa é composto por três módulos diferentes, com datas de início e término fixas. Os alunos devem completar com sucesso todos os três módulos para se formar. Cada módulo tem 12 semanas de duração, com uma duração total do programa de 9 meses.

  • O conteúdo do programa também estará disponível de forma livre fora do programa Nanodegree?

    Embora haja alguma sobreposição entre este currículo e outros programas de Nanodegree (aprendizagem de máquina, por exemplo), nenhum do conteúdo do programa Nanodegree Engenheiro de Carros Autônomos estará disponível fora do programa neste momento.

  • Haverá uma versão Nanodegree Plus deste programa, com a garantia de emprego?

    Pela primeira vez, vamos lançar um Nanodegree com a contratação de parceiros no lugar. Didi Chuxing, Mercedes-Benz, Nvidia e Otto irão avaliar os nossos formandos para posições em suas empresas. Esperamos adicionar mais ao longo do tempo. Assim, mesmo não havendo nenhuma opção de Nanodegree Plus, as oportunidades de contratação são de fato uma característica fundamental deste programa.

  • Em outros Nanodegree existe a possibilidade de pausa. Isso vai ser uma opção para este programa?

    A natureza em módulos do programa, e a necessidade de manter um corpo estudantil consistente e estável durante todo o programa não permite oferecer a opção de pausar seus estudos.

  • O que acontece se eu perder um prazo?

    Nossos mentores irão trabalhar diretamente com todos os estudantes que estão com poblemas para cumprir os requisitos de linha de tempo. No entanto, se um aluno falhar em mais de três prazos, ele será obrigado a retroceder um módulo. Nosso objetivo final é garantir que cada estudante aceito no programa se gradue com sucesso.

  • Este programa é ao seu próprio ritmo?

    Não é. Este é um programa único de três módulos que exige que os alunos mantenham o mesmo ritmo de seus colegas durante toda a duração do programa. Se um aluno ficar significativamente para trás (isto é, perder mais de três prazos como mencionado acima), ele será obrigado a retroceder um módulo.

    Pagamento
  • O programa Nanodegree custa R$2400 reais por módulo, sendo que cada módulo tem duração de 3 meses. O programa Nanodegree todo, é composto de 3 módulos, ou seja, leva 9 meses para ser concluído.

    Por que o programa Nanodegree Engenheiro de Carros Autônomos é pago antecipadamente vs. um formato de pagamento mensal como outros programas Nanodegree?

  • Dado o currículo especializado do programa Nanodegree Engenheiro de Carros Autônomos e os recursos necessários para fornecer esse tipo de educação é crítico que saibamos exatamente quantos alunos nós estaremos apoiando e ensinando. É importante que este corpo de estudante permaneça consistente e estável ao longo do período de duração do programa, já que eles trabalharam juntos como um grupo.

    Existe um período de teste gratuito para este programa?

  • Não há período de teste gratuito para este programa.

    Posso aplicar um cupom de desconto à este programa Nanodegree?

  • Não. Cupons de desconto não podem ser aplicados à este programa.