Jetzt hier buchen
Künstliche Intelligenz / Machine Learning für autonomes Fahren
Zielgruppe
Lernziele
Die Teilnehmenden kennen und verstehen wichtige Grundprinzipien und Methoden der Künstlichen Intelligenz. Sie sind in der Lage, Verfahren, Vorgehensweisen, Risiken und Grenzen intelligenter Systeme zu analysieren und können Lösungsansätze für typische KI-Probleme entwickeln und bewerten. Die Teilnehmenden sind imstande, mithilfe von Verfahren des maschinellen Lernens Anwendungen für Klassifikations- und Prognosemodelle zu entwickeln und innerhalb ihres Kompetenzbereichs einzusetzen.
Lehrinhalte
1. Prof. Dr.-Ing. Nicolaj Stache:
1.1 Grundlagen des maschinellen Lernens, Überblick über klassische Verfahren, Begrifflichkeiten
1.2 Einführung in das Tooling für die Praxisphasen: Python, Jupyter Notebook, Python-Bibliotheken, Tensor-Flow
1.3 Praxisphase: klassische Verfahren des maschinellen Lernens
2. Prof. Dr. Oliver Wasenmüller:
2.1 Lineare Klassifikation
2.2 Optimierung
2.3 Neuronale Netzwerke
2.4 Rückpropagation
3. Prof. Dr.-Ing. Nicolaj Stache:
3.1 Vertiefung in das Tooling für die Praxisphasen: Numpy
3.2 Einführung in neuronale Netze, Inferenz, Training
3.3 Praxisphase: Neuronales Netz mit Numpy
3.4 Tiefe neuronale Netze
3.5 Praxisphase: Einführung in Tensorflow & Digit Recognition
3.6 Convolutional Neural Networks
3.7 Praxisphase: Verkehrszeichenklassifikation über Deep Learning
4. Prof. Dr. Oliver Wasenmüller:
4.1 Deep Learning Hardware & Software
4.2 Traning: Aktivierungsfunktionen, Datenvorverarbeitung, Gewichtsinitialisierung, Regularisierung, Lernrate, Batch Training, Hyperparamerer Optimierung
5. Prof. Dr.-Ing. Nicolaj Stache:
5.1 Bekannte Netzwerk-Architekturen
5.2 Praxisphase: Transfer-Learning
5.3 Fortgeschrittene Anwendungen (GAN, RNN)
5.4 Visualierungstechniken
5.5 Projektarbeitsbeschreibungen, lokale Tooling-Installation
6. Prof. Dr. Oliver Wasenmüller:
6.1 Detektion
6.2 Segmentierung
6.3 Praxisphase: Detektion und Segmentierung
6.4 Reinforcement Learning
Didaktisches Konzept
Lernform
Präsenz + Live-Online
Dauer
6 Online-Präsenztage + Prüfungseinheit (online)
Freie Plätze
5
Nächste Termine ab
September 2025
Niveau
Advanced, DQR-Level 7
Voraussetzungen
Abgeschlossenes Erststudium, Programmierkenntnisse in mind. einer Programmiersprache, Grundkenntnisse in linearer Algebra, gute Englischkenntnisse
Sprache
Deutsch
Workload
42 UE Präsenz / virtuelle Präsenz
108 UE Selbststudium
Lehrende
Prof. Dr.-Ing. Nicolaj Stache, Prof. Dr. Oliver Wasenmüller
Ort
Hochschule Esslingen
Abschluss
Teilnahmebescheinigung
IHRE ANSPRECHPERSON
Karen Huep
Weiterbildungs- und Zertifikatskurse
07361 576 - 1453
0160 - 1058367
karen.huep(at)hs-aalen.de