Artificial Intelligence (AI) in Automotive

Uczestnicy muszą mieć doświadczenie w programowaniu (w dowolnym języku) i wykształcenie inżynierskie, ale nie muszą pisać żadnego kodu podczas kursu.

Kurs obejmuje sztuczną inteligencję (z naciskiem na Machine Learning i głębokie uczenie) w przemyśle motoryzacyjnym. Pomaga określić, która technologia może być (potencjalnie) wykorzystywana w wielu sytuacjach w samochodzie: od prostej automatyzacji, rozpoznawania obrazu po autonomiczne podejmowanie decyzji.

Aktualny stan technologii

• Co jest używane
• Co można potencjalnie wykorzystać

Sztuczna inteligencja oparta na regułach

• Uproszczenie decyzji

Machine Learning

• Klasyfikacja
• Grupowanie
• Neural Networks
• Rodzaje Neural Networks
• Prezentacja przykładów roboczych i dyskusja

Deep Learning

• Podstawowe słownictwo
• Kiedy używać Deep Learning, a kiedy nie
• Szacowanie zasobów obliczeniowych i kosztów
• Bardzo krótkie wprowadzenie teoretyczne do Deep Neural Networks

Deep Learning w praktyce (głównie przy użyciu TensorFlow)

• Przygotowanie danych
• Wybór funkcji straty
• Wybór odpowiedniego typu w sieci neuronowej
• Dokładność a szybkość i zasoby
• Trening sieci neuronowej
• Pomiar efektywności i błędu

Przykładowe użycie

• Wykrywanie anomalii
• Rozpoznawanie obrazu
• ADAS