MAS512 Maskinsyn og innebygd KI

Kurset i datasyn og innebygd AI er en omfattende utforskning av datasyn, sensordrevet datainnsamling og maskinlæring, skreddersydd for virkelige applikasjoner. Dette kurset gir en blanding av teoretiske grunnlag og praktisk kodeerfaring for å takle virkelige utfordringer innen visjon og sensorstyrt robotikk, autonome operasjoner, objektdeteksjon, klassifisering, sporing og segmentering på tvers av ulike datamodaliteter, inkludert bilder og tidsseriedata, og forsterkningslæring.

Studentene vil få en grundig forståelse av sensorer av forskjellig modalitet som kameraer, spektrometre, lidar og radar for å innhente og behandle data. Gjennom praktiske økter vil de utvikle ekspertise i hele vertikal stabel inkludert - maskinvaregrensesnitt, datainnsamling, utforskende dataanalyse for å forbehandle og analysere sensor data effektivt og utvikle AI/ML-modeller mot virkelige problemer.

Emnet legger vekt på teoretisk bakgrunn og praktisk implementering av maskinlæringsteknikker, med særlig fokus på datasynsalgoritmer. Deltakerne vil lære å designe og distribuere løsninger for oppgaver som regresjon, klynging, objektdeteksjon, bildeklassifisering, semantisk segmentering, forutsi fremtidig trend for tidsseriedata, datakomprimering, avviksdeteksjon og data/modellbasert kontroll som utnytter forsterkende læring. Casestudier fra den virkelige verden vil illustrere hvordan disse teknikkene kan brukes til å løse komplekse problemer, inkludert behandling av multimodale data, modellfusjon og datafusjon.

Nøkkelkomponenter inkluderer:

• Maskinlæring: Kjernekonsepter, algoritmer og kodepraksis for overvåket og uovervåket læring, inkludert utvikling av modeller fra bunnen av ved hjelp av ML-rammeverk - TensorFlow, utnyttelse av eksisterende standardmodell/rammeverk for nedstrømsoppgaver - objektdeteksjon, klassifisering, segmentering, regresjon, klynging, modellfusjon, sensorfusjon, datakomprimering og anomalideteksjon.
• Virkelige applikasjoner: Utvikling og distribusjon av AI-systemer for beslutningstaking, autonome systemer, strukturell integritet til kritisk infrastruktur.
• Datamaskinvisjon og sensorteknologier: Kamera, lidar og radar.
• ML-utnyttet Lidar 3D-punktskybehandling for objektdeteksjon og sporing.
• Modell-/databasert kontrollutnyttelse av forsterkningslæring.
• Kamerakalibrering og modellering - Modellering av kamera med en hullkameramodell, kamerakalibrering, konvertering av 3D-2D og omvendt plass for robotapplikasjoner.
• Bildebehandling - bildefiltrering, bildesegmentering, blobdeteksjon i bilder, bilderepresentasjon, Fourier-transformasjoner, konvolusjon.en pin-hole-kameramodell, kamerakalibrering, konvertering av 3D-2D og omvendt plass for robotapplikasjon

• Bildebehandling - bildefiltrering, bildesegmentering, blobdeteksjon i bilder, bilderepresentasjon, Fourier-transformasjoner, konvolusjon

Kurset inkluderer omfattende programmeringsøvelser med Python og populære rammeverk som TensorFlow, OpenCV og scikit-learn for å nevne noen. Ved slutten av kurset vil studentene ha ferdighetene til å designe, utvikle og distribuere AI-drevne løsninger på innebygde systemer for datasyn og multimodal dataanalyse, noe som gjør dem industriklare for banebrytende AI-applikasjoner.