Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in KI in autonomen Fahrzeugen
- Verständnis der Stufen des autonomen Fahrens und der KI-Integration
- Überblick über KI-Frameworks und -Bibliotheken, die im autonomen Fahren verwendet werden
- Trends und Innovationen in der KI-gestützten Fahrzeugautonomie
Grundlagen des Deep Learning für autonomes Fahren
- Neuronale Netzwerkarchitekturen für selbstfahrende Autos
- Konvolutionelle Neuronale Netze (CNNs) für Bildverarbeitung
- Rekurrente Neuronale Netze (RNNs) für zeitliche Daten
Computer Vision für autonomes Fahren
- Objekterkennung mit YOLO und SSD
- Techniken zur Spur- und Straßenverfolgung
- Semantische Segmentierung für die Umgebungs wahrnehmung
Reinforcement Learning für Fahrtsentscheidungen
- Markovsche Entscheidungsprozesse (MDP) in autonomen Fahrzeugen
- Training von Deep-Reinforcement-Learning-Modellen (DRL)
- Simulationsbasiertes Lernen für Fahrpolitiken
Sensorfusion und Wahrnehmung
- Integration von LiDAR-, RADAR- und Kameradaten
- Kalman-Filterung und Sensorfusionstechniken
- Verarbeitung von Multisensordaten für die Umgebungs kartierung
Deep-Learning-Modelle für Fahrensvorhersagen
- Entwicklung von Verhaltensvorhersagemodellen
- Bahnprognostizierung zur Kollisionsvermeidung
- Erkennung des Fahrerzustands und der Absichten
Modellbewertung und -optimierung
- Metriken für die Genauigkeit und Leistungsfähigkeit von Modellen
- Optimierungstechniken für die Echtzeit- Ausführung
- Einsatz trainierter Modelle in Plattformen für autonome Fahrzeuge
Studienfälle und reale Anwendungen
- Analyse von Vorfällen mit autonomen Fahrzeugen und Sicherheits herausforderungen
- Untersuchung erfolgreicher Implementierungen KI-gesteuerter Fahrsysteme
- Projekt: Entwicklung eines KI-Modells für das Spur nachfahren
Voraussetzungen
- Fundierte Kenntnisse in der Python-Programmierung
- Erfahrung mit Machine-Learning- und Deep-Learning-Frameworks
- Vertrautheit mit Automobiltechnologie und Computer Vision
Zielgruppe
- Data Scientists, die an Anwendungen für autonomes Fahren arbeiten möchten
- KI-Spezialisten mit Fokus auf die Entwicklung von Automotive-KI
- Entwickler, die sich für Deep-Learning-Techniken in selbstfahrenden Autos interessieren
21 Stunden
