• Deutsch

  • English

Kontakt
  • Haben Sie Fragen?

Birgit Welt

Study Coach

Your Contact

Künstliche Intelligenz / Machine Learning

Für Personen mit ersten Kenntnissen des Programmierens, die die Grundlagen des maschinellen Lernens erlernen und in die Welt der künstlichen Intelligenz mit dem Fokus auf den Bereich Automotive eintauchen möchten.

Lernziele


Autonome Fahrzeugtechnologien sind mit der Analyse und Auswertung großer Datenmengen aus der sensorischen Erfassung der Umgebung konfrontiert. Bildgebende Verfahren bieten hierbei eine geeignete Grundlage für die Interpretation der Umwelt für eine intelligente Entscheidungsfindung.

Lehrinhalte


  1. Prof. Dr.-Ing. Nicolaj Stache:
    • Grundlagen des maschinellen Lernens, Überblick über klassische Verfahren, Begrifflichkeiten
    • Einführung in das Tooling für die Praxisphasen: Python, Jupyter Notebook, Python-Bibliotheken, Tensor-Flow
    • Praxisphase: klassische Verfahren des maschinellen Lernens
    • Einführung in neuronale Netze, Inferenz, Training
    • Praxisphase: Neuronales Netz mit Numpy
  2. Michael Essich:
    • Anforderungen an die Trainingsdaten, Datenverarbeitung
    • Datenproduktion: Sensordaten, Ground Truth Daten, Vorbereitung zur Nutzung von Crowd Annotation Services, Nutzung von Simulatino zur automatischen Ground Truth Datengenerierung, Augmentierung von Daten, Datenanpassung im Hinblick auf die Netzarchitektur, z. B. Anpassung zeitlicher Daten, zur Verarbeitung durch ein CNN alternativ zu einem RNN
  3. Prof. Dr.-Ing. Nicolaj Stache:
    • Tiefe neuronale Netze
    • Praxisphase: Einführung in Tensorflow & Digit Recognition
    • Convolutional Neural Networks
    • Praxisphase: Verkehrszeichenklassifikation über Deep Learning
  4. Prof. Dr.-Ing. Nicolaj Stache:
    • Bekannte Netzwerk-Architekturen
    • Praxisphase: Keras
    • Transfer-Learning
    • Praxisphase: Transfer-Learning 
    • emantische Segmentierung 
  5. Michael Essich:
    • Erkennen von Menschen: Herausforderungen, Skelettschätzung , 2D vs. 3D Informationen, Aktions-Erkennung, Datengewinnung insbesondere für Absichtenschätzung
  6. Michael Essich:
    • Kombination von Verfahren
    • Skelettschätzung & Tracking
    • Skelettschätzung & Objekterkennung
    • Absichtenschätzung

Dauer

4 - 6 Wochen

Lernform

Präsenz

Ort

Hochschule Esslingen

Niveau

Advanced

Voraussetzungen

Programmierkenntnisse in mind. einer Programmiersprache, Grundkenntnisse in linearer Algebra, gute Englischkenntnisse

Sprache

Deutsch / Englisch

Teilnehmerzahl

25

Dozent

Prof. Dr.-Ing. Nicolaj Stache, Michael Essich

Angebotshäufigkeit

Wintersemester

Workload

40 UE Präsenz / virtuelle Präsenz

110 UE Selbststudium

Abschluss

Teilnahmebescheinigung

Kosten

1.600,- EUR

Melden Sie sich jetzt an!


zum Anmeldeformular

IHRE ANSPRECHPARTNERIN


Sarah Schlipf

Sarah Schlipf

Seminare und Zertifikatskurse

+49 (0) 7361 576 1462
+49 (0) 152 33581046
sarah.schlipf(at)hs-aalen.de