| Allgemeine Angaben |
|
| Master-Praktiukum - Lernbasierte Ansätze für autonome Fahrzeuge und intelligente Systeme (IN2106, IN4273) | | |
|
|
|
|
|
|
|
|
|
|
|
| ... |  |
|
|
|
|
|
| |
| Angaben zur Abhaltung |
|
Lernbasierte Ansätze haben in der letzten Zeit enorme Fortschritte in dem Bereich Computer Vision und Robotics gemacht. In diesem Praktikum werden wir herausfordernde reale Probleme im Bereich des autonomen Fahrens und der intelligenten Systeme lösen. Ausgewählte Fragestellungen kommen aus dem Bereich der Wahrnehmung, Robotik, sowie der Umgebungsinterpretation. Dies wird auch das arbeiten an großen Datenmengen einschließlich unstrukturierten und ungeordneten Daten beinhalten.
(https://vision.in.tum.de/teaching/ss2020/intellisys_ss2020) |
|
|
- Gute Kenntnisse in Python sowie gutes mathematisches Verständnis (Lineare Algebra, Analysis, Numerik) sind erforderlich.
- Gute Kenntnisse eines Deep Learning Frameworks wie PyTorch, TensorFlow, etc.
- Teilnahme an mindestens einer der angebotenen Deep Learning Vorlesungen (TUM) ist erforderlich. |
|
|
|
|
|
|
|
|
|
|
| Für die Anmeldung zur Teilnahme müssen Sie sich in TUMonline als Studierende/r identifizieren. |
Anmerkung: Plätze werden durch TUM Matching System (http://matching.in.tum.de) vergeben.
Die Vorbesprechung findet am 10.7.2019 um 16.00 im Hörsaal HS 2 (00.04.011) statt. |
|
| |
| Zusatzinformationen |
|
|
|
|
|
|
