Maschinelles Lernen für das automatisierte Fahren

Nach Belegen des Moduls kennen die Studierenden die wichtigsten geschichtlichen Entwicklungen im Bereich des maschinellen Lernens und können eng verwandte Begriffe wie künstliche Intelligenz und Data Mining voneinander abgrenzen. Sie haben Einteilungsvarianten und die Funktionsweise der gängigsten Modelle des maschinellen Lernens erlernt und sind über den Einfluss von Lerndaten im Bilde. Durch Kenntnis anwendungsnaher Applikationsbeispiele aus den Bereichen der Deskription, Perzeption, Prädiktion, Handlungsplanung und weiterer Anwendungen ist den Studierenden eine klare Aussage möglich, für welche Einsatzgebiete sich das maschinelle Lernen im automatisierten Fahrzeug eignet. Eine kritische Reflektion vermittelt zudem die Grenzen der Methoden und Problematik im Bereich der Validierung und gibt einen Ausblick über zukünftige Entwicklungstrends.