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 die in der autonomen Fahrzeugentwicklung eingesetzten KI-Frameworks und -Bibliotheken
- Trends und Innovationen in der KI-gestützten Fahrzeugautonomie
Grundlagen des Deep Learning für autonomes Fahren
- Neuronale Netzwerkarchitekturen für selbstfahrende Autos
- Konvolutionale neuronale Netze (CNN) für die Bildverarbeitung
- Rekurrente neuronale Netze (RNN) für zeitliche Daten
Computer Vision für autonomes Fahren
- Objekterkennung mittels YOLO und SSD
- Spurerkennung und Techniken zur Strassenbefolgung
- Semantische Segmentierung für die Umgebungsanalyse
Reinforcement Learning für Fahrentscheidungen
- Markov-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 Techniken der Sensorfusion
- Mehrsensordatenverarbeitung zur Kartierung der Umgebung
Deep-Learning-Modelle für Fahrtsimulation
- Entwicklung von Verhaltensvorhersagemodellen
- Trajektorienprognose zur Kollisionsvermeidung
- Erkennung des Fahrerzustands und der Absicht
Modellbewertung und -optimierung
- Metriken für Modellgenauigkeit und Leistungsfähigkeit
- Optimierungstechniken für die Echtzeitverarbeitung
- Einführung trainierter Modelle in Plattformen für autonome Fahrzeuge
Fallstudien und reale Anwendungen
- Analysierung von Vorfällen mit autonomen Fahrzeugen und sicherheitsrelevante Herausforderungen
- Untersuchung erfolgreicher Implementierungen KI-gestützter Fahrsysteme
- Projekt: Entwicklung eines KI-Modells zur Spurhaltung
Voraussetzungen
- Fachkenntnisse in der Python-Programmierung
- Erfahrung mit Machine-Learning- und Deep-Learning-Frameworks
- Kenntnisse in der Automobiltechnik und Computer Vision
Zielgruppe
- Data Scientists, die an Anwendungen im Bereich des autonomen Fahrens arbeiten möchten
- KI-Spezialisten, die sich auf die Entwicklung von Automotive-KI konzentrieren
- Entwickler, die sich für Deep-Learning-Techniken für selbstfahrende Autos interessieren
21 Stunden
