5.4 Deep Learning
- 00:01:54 1 AI
- 00:06:55 2 ANN
- 00:22:02 3 tf.keras model
- 00:30:46 4 Regression
- 00:40:27 5 Classification
- 01:08:10 6 Summary
| Zugehörige Institution(en) am KIT | Institut für Fahrzeugsystemtechnik (FAST) |
| Publikationstyp | Audio & Video |
| Publikationsdatum | 13.05.2020 |
| Erstellungsdatum | 13.05.2020 |
| Sprache | Englisch |
| DOI | 10.5445/IR/1000119310 |
| Identifikator | KITopen-ID: 1000119310 |
| Lizenz | Creative Commons Namensnennung – Nicht kommerziell – Weitergabe unter gleichen Bedingungen 4.0 International |
| Bemerkung zur Veröffentlichung | Lehrinhalt: Einführung in Python und nützliche Tools und Bibliotheken zur Algorithmenerstellung, grafischen Darstellung, Optimierung, symbolischen Rechnen und Maschinellem Lernen - Anaconda, Pycharm, Jupyter - Matplotlib, SymPy, Sciki-Learn Methoden und Tools zur Erstellung von Software - Versionsverwaltung GitHub, git - Testen von Software pytest, Pylint - Dokumentation Sphinx - Continous Integration (CI) Travis CI - Workflow in Open Source und Inner Source, Kanban, Scrum Praktische Programmierprojekte zur: - Erkennung von Straßenschildern - Schätzung von Fahrzeugzuständen - Kalibrierung von Fahrzeugmodellen durch Mathematische Optimierung - Datenbasierte Modellierung des Antriebsstranges eines Elektrofahrzeuges Lernziele: Die Studierenden haben einen Überblick über die Programmiersprache Python und wichtige Python Bibliotheken um fahrzeugtechnische Fragestellungen durch Computerprogramme zu lösen. Sie kennen aktuelle Tools rund um Python um Algorithmen zu erstellen, anzuwenden und deren Ergebnisse zu interpretieren und zu visualisieren. Weiterhin kennen die Studierenden Grundlagen in der Erstellung von Software, um in späteren Programmierprojekten qualitativ hochwertige Softwarelösungen in Teamarbeit zu entwickeln. Durch praktische Programmierprojekte (Straßenschilderkennung, Zustandsschätzung, Kalibrierung, datenbasierte Modellierung) können die Studierenden zukünftige komplexe Aufgaben aus dem Bereich der Fahrerassistenzsysteme lösen. |
| Serie | Python Algorithmen für Fahrzeugtechnik, Vorlesung, SS 2020 |
| Folge | 21 |