Coches Autónomos: Deep Learning y Vision Computarizada

La industria automotriz está experimentando un cambio de paradigma, pasando de los vehículos convencionales impulsados por el hombre a los vehículos impulsados por la inteligencia artificial. Los vehículos autoconductores ofrecen una solución segura, eficiente y rentable que redefinirá drásticamente el futuro de la movilidad humana.;

Se espera que los vehículos autoconductores salven más de medio millón de vidas y generen enormes oportunidades económicas que superen el billón de dólares para el año 2035. La industria automotriz está en una búsqueda de miles de millones de dólares para desplegar los vehículos más avanzados tecnológicamente en la carretera.;

A medida que el mundo avanza hacia un futuro sin conductor, la necesidad de ingenieros e investigadores experimentados en este nuevo campo emergente nunca ha sido más crucial.

El propósito de este curso es proporcionar a los estudiantes conocimientos sobre aspectos clave del diseño y desarrollo de vehículos de autoconducción. El curso proporciona a los estudiantes experiencia práctica en diversos conceptos de los vehículos de autoconducción, como el aprendizaje de las máquinas y la visión por computadora.

Se presentarán conceptos como la detección de carriles, la clasificación de señales de tráfico, la detección de vehículos/objetos, la inteligencia artificial y el aprendizaje profundo. El curso está dirigido a los estudiantes que deseen adquirir una comprensión fundamental del control de los vehículos de autoconducción.;Se recomiendan conocimientos básicos de programación.

Los estudiantes que se inscriban en este curso de auto-conducción dominarán las tecnologías de los coches sin conductor que van a remodelar el futuro del transporte.

Las herramientas y algoritmos que cubriremos incluyen:

• OpenCV

• Aprendizaje profundo y redes neuronales artificiales

• Redes neuronales convolucionales

• Coincidencia de plantillas

• Extracción de características del HOG

• SIFT, SURF, FAST y ORB

• Tensorflow y Keras

• Regresión lineal y regresión logística

• Árboles de decisión

• Máquinas vectoriales de apoyo

• Bayes ingenuo (Naive Bayes)