Modulbeschreibung
Applied AI with Deep Learning
Kürzel:
Durchführungszeitraum:
ECTS-Credits:
Lernziele:
Dieses Modul bietet eine praxisorientierte Einführung in Artificial Intelligence (AI) mit Deep Learning, speziell angewendet auf autonomes Fahren. Studierende werden ein AI-gesteuertes Modellauto trainieren und testen, das autonom auf einer vorbereiteten Rennstrecke fährt. Der Fokus liegt darauf, praktisch zu lernen, wie AI-Systeme funktionieren, ohne komplexe mathematische Herleitungen. Die Studierenden benötigen keine Vorkenntnisse in AI oder Python und werden schrittweise an die Konzepte von Deep Learning und neuronalen Netzen herangeführt. Als Modell wird eine Convolutional Neural Network (CNN)-basierte „Black-Box“-Lösung verwendet, um ein intuitives Verständnis für AI-gestützte Entscheidungsprozesse zu entwickeln.
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage:
1. Learning Basics: Einführung in Neural Networks, speziell Convolutional Neural Networks (CNNs).
2. Autonomes Fahren: Training eines AI-Modells zur Steuerung eines Miniaturfahrzeugs.
3. Hands-on Erfahrung: Arbeiten mit echten Sensordaten, z.B. Kamera und einer vordefinierten Strecke.
4. Python & AI-Frameworks: Einstieg in Python, TensorFlow/PyTorch
5. Verständnis für die Herausforderungen und Limitationen von AI-Systemen
Verantwortliche Person:
Standort (angeboten):
Zusätzlich vorausgesetzte Kenntnisse:
Grundlegende Programmierkenntnisse im Niveau Informatikerlehre oder Vorkurs des Studiengangs Informatik.
Skriptablage:
Modultyp:
ECTS-Credits pro Kategorie
Modulbewertung
Bewertungsart:
Leistungsbewertung
Während des Semesters:
Bewertetes Projekt
Bewertungsart:
Kurse in diesem Modul
Applied AI with Deep Learning
Kürzel:
Semester:
Lernziele:
Dieses Modul bietet eine praxisorientierte Einführung in Artificial Intelligence (AI) mit Deep Learning, speziell angewendet auf autonomes Fahren. Studierende werden ein AI-gesteuertes Modellauto trainieren und testen, das autonom auf einer vorbereiteten Rennstrecke fährt. Der Fokus liegt darauf, praktisch zu lernen, wie AI-Systeme funktionieren, ohne komplexe mathematische Herleitungen. Die Studierenden benötigen keine Vorkenntnisse in AI oder Python und werden schrittweise an die Konzepte von Deep Learning und neuronalen Netzen herangeführt. Als Modell wird eine Convolutional Neural Network (CNN)-basierte „Black-Box“-Lösung verwendet, um ein intuitives Verständnis für AI-gestützte Entscheidungsprozesse zu entwickeln.
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage:
1. Learning Basics: Einführung in Neural Networks, speziell Convolutional Neural Networks (CNNs).
2. Autonomes Fahren: Training eines AI-Modells zur Steuerung eines Miniaturfahrzeugs.
3. Hands-on Erfahrung: Arbeiten mit echten Sensordaten, z.B. Kamera und einer vordefinierten Strecke.
4. Python & AI-Frameworks: Einstieg in Python, TensorFlow/PyTorch
5. Verständnis für die Herausforderungen und Limitationen von AI-Systemen
Plan und Lerninhalt:
Dieses Modul bietet eine erste Einführung in AI und Deep Learning. Studierende erhalten nicht nur einen Einblick in die Grundlagen neuronaler Netze, sondern erleben auch direkt, wie AI-Modelle in der realen Welt angewendet werden – durch das Training eines autonomen Fahrzeugs.
Während des Semesters werden u. a. folgende Themen behandelt:
1. Einführung in Deep Learning und neuronale Netze (Grundlagen für Einsteiger).
2. Verstehen von Convolutional Neural Networks (CNNs) als "Black Box"-Modell.
3. Sensordatenverarbeitung: Nutzung von Kameraaufnahmen für die Steuerung eines Fahrzeugs.
4. Training eines AI-Modells für autonomes Fahren (Datenaufnahme, Modelltraining, Evaluierung).
5. Erkennen von Herausforderungen autonomer Systeme (Bias, Overfitting, Precision, Recall, usw.).
6. Praktische Übungen mit realer Hardware: Miniaturfahrzeuge mit Raspberry PI und eine vorbereitete Rennstrecke.
7. Projekt: Optimierung des Modells für bessere Fahrleistung und neue Herausforderungen
8. Abschlussveranstaltung: Zusammen mit anderen Teams treten die Studierenden gegeneinander an, um zu sehen, wie gut ihr Auto im Vergleich abschneidet.
Praktische Umsetzung steht im Vordergrund – Learning by Doing!
Unterrichtssprache:
Kursart:
Durchführung gemäss Stundenplan