ιε
Κύκλος 2: Self-Driving Car & Αυτόνομη πλοήγηση
Κύκλος 8 εργαστηρίων | Ηλικίες: 14+ (Γ΄ Γυμνασίου – Γ΄ Λυκείου και φοιτητές)
Στο τηλέφωνο 210 9469641 (Δευτέρα-Παρασκευή 9:30-16:30)
Σύνολο κύκλου: 80€
2 ώρες κάθε σεμινάριο
Σύνολο κύκλου: 16 ώρες
Προτείνεται για ηλικίες: 14+ (Γ΄ Γυμνασίου – Γ΄ Λυκείου και φοιτητές)
Νίκος Ζουρτσάνος, Δημήτρης Πιπερίδης
Ομάδα A (Σάββατο): 9/03, 16/03, 23/03, 30/03, 6/04, 13/04, 20/04, 27/04, ώρα 15:45–17:45 Αγορά Εισιτηρίου ΕΔΩ
Ομάδα B (Κυριακή): 10/03, 17/03, 24/03, 31/03, 7/04, 14/04, 21/04, 28/04, ώρα 10:45–12:45 Αγορά Εισιτηρίου ΕΔΩ
Ομάδα Γ (Τετάρτη): 06/03 , 13/03 , 20/03 , 27/03 , 03/04 , 10/04 , 17/04 , 24/04, ώρα: 18:00 - 20:00 Κράτηση θέσης στο τηλ. 210 9469641
Ο Κύκλος 2 υπάγεται στην εκπαιδευτική δράση Self-driving Cars & AI και επικεντρώνεται στην ανάλυση, επεξήγηση και σύνθεση:
- Αλγορίθμων επεξεργασίας δεδομένων που προέρχονται από κάμερα
- Αλγορίθμων αυτόνομου ελέγχου οχήματος με οπτική ανατροφοδότηση
- Αλγορίθμων Τεχνητής Νοημοσύνης για αυτόνομη πλοήγηση και λήψη αποφάσεων.
Σημείωση: Η συμμετοχή στον δεύτερο κύκλο δεν προϋποθέτει την ολοκλήρωση του πρώτου κύκλου.
Ο Κύκλος 2 αποτελείται από τα ακόλουθα σεμινάρια:
Σεμινάριο 1: Γενική Περιγραφή Κύκλου και Εισαγωγή στην Υπολογιστική Όραση
Γενική περιγραφή κύκλου 2, σύντομη εισαγωγή στην γλώσσα προγραμματισμού Python, εισαγωγή στην βιβλιοθήκη υπολογιστικής όρασης OpenCV.
Σεμινάριο 2: Αλγόριθμοι Επεξεργασίας Εικόνας
Λήψη εικόνας/βίντεο από την κάμερα του αυτόνομου οχήματος, βασικοί αλγόριθμοι επεξεργασίας εικόνας, υλοποίηση αλγορίθμων με χρήση OpenCV.
Σεμινάριο 3: Έλεγχος Οχήματος με χρήση Οπτικής Ανατροφοδότησης
Αλγόριθμοι αναγνώρισης γραμμών πορείας (lane detection), εισαγωγή στον έλεγχο PID, αλγόριθμος ελέγχου κίνησης οχήματος με χρήση PID.
Σεμινάριο 4: Εισαγωγή στα Νευρωνικά δίκτυα
Εισαγωγή στον τεχνητό νευρώνα (perceptron) και στα πολυεπίπεδα νευρωνικά δίκτυα, μεθοδολογία εκπαίδευσης νευρωνικού δικτύου, υλοποίηση νευρωνικού δικτύου και εκτέλεση αυτού με χρήση βιβλιοθηκών TensorFlow/Keras.
Σεμινάριο 5: Εισαγωγή στα CNN
Εισαγωγή στα συνελικτικά νευρωνικά δίκτυα, εφαρμογή παραδείγματος classification με pre trained CNN, υλοποίηση και εκπαίδευση παραδείγματος ταξινόμησης με CNN.
Σεμινάριο 6: Αυτόνομη Πλοήγηση Οχήματος με χρήση ΑΙ Ι
Εισαγωγή στον εξομοιωτή ανοιχτού κώδικα της Udacity, εισαγωγή στο CNN της NVIDIA που αφορά τα self-driving cars, υλοποίηση του CNN της NVIDIA στον εξομοιωτή (μέρος Ι).
Σεμινάριο 7: Αυτόνομη Πλοήγηση Οχήματος με χρήση ΑΙ ΙI
Υλοποίηση του CNN της NVIDIA στον εξομοιωτή (μέρος II), ανάκτηση και καταγραφή δεδομένων εικόνας/σημάτων ελέγχου, επεξεργασία και επαύξηση δεδομένων.
Σεμινάριο 8: Αυτόνομη Πλοήγηση Οχήματος με χρήση ΑΙ ΙΙI
Εκπαίδευση και εξαγωγή μοντέλου του δικτύου, υλοποίηση του δικτύου CNN με βάση το εκπαιδευμένο μοντέλο και αποστολή σημάτων ελέγχου στο όχημα, εφαρμογή του ολοκληρωμένου αλγορίθμου ΑΙ σε πραγματική πίστα.
Βιβλιογραφία - Πρόσθετο υλικό
- https://www.python.org/
- https://opencv.org/
- https://jupyter.org/
- https://www.tensorflow.org/
- https://colab.research.google.com/
- https://www.w3schools.com/python/
- https://www.learnpython.org/
- https://www.pythontutorial.net/
- End to End Learning for Self-Driving Cars
- Νευρωνικό δίκτυο (ΒΙΚΙΠΑΙΔΕΙΑ)
- Nευρωνικά ∆ίκτυα και Eφαρμογές
- OpenCV Python Course - Learn Computer Vision and AI
- PID Controller Explained
- A guide to artificial intelligence in the enterprise - Artificial Intelligence
- https://github.com/udacity/self-driving-car-sim
ιε