Künstliche Intelligenz in der Fahrzeugtechnik (Modul MW2378, Online & virtuelle Sprechstunde)
Artificial Intelligence in Automotive Engineering
Lehrveranstaltung 0000001661 im SS 2023
Basisdaten
LV-Art | Vorlesung |
---|---|
Umfang | 2 SWS |
betreuende Organisation | Lehrstuhl für Fahrzeugtechnik (Prof. Lienkamp) |
Dozent(inn)en |
Markus Lienkamp Leitung/Koordination: Frank Diermeyer |
Termine |
Mi, 15:00–16:00, virtuell |
Zuordnung zu Modulen
-
MW2378: Künstliche Intelligenz in der Fahrzeugtechnik / Artificial Intelligence in Automotive Engineering
Dieses Modul ist in den folgenden Katalogen enthalten:- Allgemeiner Katalog der nichtphysikalischen Wahlfächer
weitere Informationen
Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).
ergänzende Hinweise | In der Vorlesung werden alle relevanten Aspekte rund um die Thematik "Künstliche Intelligenz" mit Fokus auf "Maschinelles Lernen" und "Deep Learning" behandelt und dabei praktische Bezüge zur Fahrzeugtechnik hergestellt. 1. Einführung in die Künstliche Intelligenz: Was ist Intelligenz? Was ist Künstliche Intelligenz? Historischer Rückblick, Überblick der KI-Methoden, Überblick der KI-Anwendungen, Einführung in selbstfahrende Fahrzeuge 2. Perception: Machine Vision, Computer Vision, Image Processing, Feature Extraction 3. Supervised Learning: Regression 4. Supervised Learning: Classification (Support Vector Machines, k-nearest Neighbours, Decision Trees, ) 5. Unsupervised Learning: Clustering: Decision Trees, k-Means 6. Einführung Neuronale Netze: Perceptron, 7. Deep Neuronal Networks: Backpropagation 8. Convolutional Neuronal Networks: Parameter, Filter, Visualization, Pooling 9. Knowledge Graphs & Graph Neural Networks 10. Rekurrente Neuronale Netze 11. Reinforcement Learning 12. AI-Development: Daten und Datensets, Training auf CPU und GPU, Hyperparameter Variation, AI-Inference |
---|---|
Links |
E-Learning-Kurs (z. B. Moodle) TUMonline-Eintrag |