Maschinelles Lernen für das automatisierte Fahren

Dozent:

Dr.-Ing. Adrian Sonka

Betreuer:

Anna Panzer, M. Sc.

Umfang:

5LP (2V, 1Ü)

Voraussetzungen:

Bachelor

Wird gelesen:

jedes Sommersemester

  
  
  

Skript:

Vorlesungsfolien werden vor jeder Veranstaltung bereit gestellt.

Inhalt:

 
  • Mensch vs. Maschine – Wer löst welche Probleme besser?
  • Geschichte und Abgrenzung: Künstliche Intelligenz, maschinelles Lernen, Data Mining
  • Kurze Geschichte der Fahrzeugautomatisierung
  • Taxonomie und Bedeutung von Lerndaten
  • Überwachtes, bestärkendes und unüberwachtes Lernen: Prinzipien und Modelle
  • Applikationen im Bereich des automatisierten Fahrens in den Domänen Deskription, Perzeption, Prädiktion, Handlungsplanung, Validierung und weitere Anwendungen
  • Hardware: Bedarfe und Aufteilungskonzepte
  • Grenzen des maschinellen Lernens, Generalisierbarkeit, Validierung und Zertifizierung
  • Ausblick und Strategien in der Industrie