Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Εισαγωγή στην Τεχνητή Νοημοσύνη στα Αυτόνομα Οχήματα
- Κατανόηση των επιπέδων αυτόνομης οδήγησης και της ενσωμάτωσης της τεχνητής νοημοσύνης
- Επισκόπηση των πλαισίων και βιβλιοθηκών τεχνητής νοημοσύνης που χρησιμοποιούνται στην αυτόνομη οδήγηση
- Τάσεις και καινοτομίες στην αυτονομία οχημάτων που υποστηρίζεται από τεχνητή νοημοσύνη
Βασικές Αρχές Βαθιάς Μάθησης για την Αυτόνομη Οδήγηση
- Αρχιτεκτονικές νευρωνικών δικτύων για αυτοοδηγούμενα αυτοκίνητα
- Συνελικτικά νευρωνικά δίκτυα (CNNs) για επεξεργασία εικόνας
- Αναδρομικά νευρωνικά δίκτυα (RNNs) για χρονικά δεδομένα
Υπολογιστική Όραση για την Αυτόνομη Οδήγηση
- Ανίχνευση αντικειμένων με χρήση YOLO και SSD
- Τεχνικές ανίχνευσης λωρίδας και παρακολούθησης δρόμου
- Σημασιολογική κατάτμηση για την αντίληψη του περιβάλλοντος
Ενισχυτική Μάθηση για Αποφάσεις Οδήγησης
- Διαδικασίες Απόφασης Markov (MDP) στα αυτόνομα οχήματα
- Εκπαίδευση μοντέλων βαθιάς ενισχυτικής μάθησης (DRL)
- Μάθηση βασισμένη σε προσομοίωση για πολιτικές οδήγησης
Σύντηξη Αισθητήρων και Αντίληψη
- Ενσωμάτωση δεδομένων από LiDAR, RADAR και κάμερα
- Φιλτράρισμα Kalman και τεχνικές σύντηξης αισθητήρων
- Επεξεργασία δεδομένων πολλαπλών αισθητήρων για χαρτογράφηση περιβάλλοντος
Μοντέλα Βαθιάς Μάθησης για Πρόβλεψη Οδήγησης
- Κατασκευή μοντέλων πρόβλεψης συμπεριφοράς
- Πρόβλεψη τροχιάς για αποφυγή εμποδίων
- Αναγνώριση κατάστασης και πρόθεσης οδηγού
Αξιολόγηση και Βελτιστοποίηση Μοντέλων
- Μετρικές για την ακρίβεια και την απόδοση του μοντέλου
- Τεχνικές βελτιστοποίησης για εκτέλεση σε πραγματικό χρόνο
- Εγκατάσταση εκπαιδευμένων μοντέλων σε πλατφόρμες αυτόνομων οχημάτων
Μελέτες Περιπτώσεων και Πραγματικές Εφαρμογές
- Ανάλυση περιστατικών αυτόνομων οχημάτων και προκλήσεων ασφάλειας
- Εξερεύνηση επιτυχημένων υλοποιήσεων συστημάτων οδήγησης που βασίζονται σε τεχνητή νοημοσύνη
- Έργο: Ανάπτυξη ενός μοντέλου AI για παρακολούθηση λωρίδας
Σύνοψη και Επόμενα Βήματα
Απαιτήσεις
- Άριστη γνώση προγραμματισμού σε Python
- Εμπειρία με πλαίσια μηχανικής μάθησης και βαθιάς μάθησης
- Εξοικείωση με την τεχνολογία αυτοκινήτων και την υπολογιστική όραση
Κοινό-στόχος
- Επιστήμονες δεδομένων που στοχεύουν να εργαστούν σε εφαρμογές αυτόνομης οδήγησης
- Ειδικοί στην τεχνητή νοημοσύνη που επικεντρώνονται στην ανάπτυξη AI για την αυτοκινητοβιομηχανία
- Προγραμματιστές που ενδιαφέρονται για τεχνικές βαθιάς μάθησης για αυτοοδηγούμενα αυτοκίνητα
21 Ώρες