Dienstag, 09. April 2019, 17:30 Uhr – 18:30 Uhr

Maschinelles Lernen bei Audi - Probabilistische Modelle in Theorie und Praxis

Beschreibung:Audi investiert seit Jahren zielgerichtet in maschinelles Lernen, sowohl im Bereich Forschung und Hochschul-Kooperation, als auch im Bereich Serienproduktion und konkretem Einsatz im Fahrzeug. Dabei gerät der sogenannte Bayes-Ansatz verstärkt in den Fokus: durch die zusätzliche Modellierung von unbekanntem oder nur teilweise bekanntem Wissen in probabilistischer Form können Modellparameter wesentlich präziser geschätzt werden. Auch tiefe neuronale Netze können aus einem Bayes-Blickwinkel interpretiert werden – was faszinierende Einsichten in die Wirkungsweise dieser Netze liefert.
Der Vortrag wird zuerst einen Überblick über die Nutzung des maschinellen Lernens bei der Audi AG geben. Interessante Anwendungsfelder sind beispielsweise autonomes Fahren mit hochpräziser 3D-Umgebungsschätzung, Schwarmdaten-Auswertung, Datenanalytik zur Qualitätssicherung oder CNN-Bildverarbeitung für die Serienfertigung von Blechbauteilen. Viele der hier verwendeten Methoden basieren auf Bayes-Ansätzen oder sind als solche interpretierbar, und so wird anschließend auf die Bayes-Statistik und die Mathematik hinter diesen Methoden eingegangen. Neben Begriffen wie Prior, Likelihood und Posterior werden auch die Grundlagen diskriminativer und generativer Modelle verständlich erklärt, ohne konkretes Vorwissen vorauszusetzen.
Um die Theorie zu veranschaulichen, wird im Rahmen des Vortrags stets Bezug zur Praxis gehalten: welchen Vorteil bieten neuronale Netze für die semantische Segmentierung und Tiefenkartenschätzung im autonomen Fahrzeug? Wieso erforscht Audi sogenannte „LSTMs“? Wieso sind diskriminative Modelle für die Risserkennung in Blechbauteilen sehr gut geeignet? Was sind latente Variablen, und warum sind sie für die Qualitätssicherung wichtig? So entsteht unter dem Gesichtspunkt des Bayes-Ansatzes ein umfassendes Bild des maschinellen Lernens bei Audi, inklusive einem kleinen Ausblick, wohin moderne generative Modelle uns in Zukunft führen könnten.
Referent/in:Dr.-Ing. Dominic Springer, Audi AG, Ingolstadt
Art:
Kolloquium
Raum:
KA.213
Ort:
K: STANDORT KESSLERPLATZ, Keßlerplatz 12
Veranstalter:
Fakultät AMP
Leitung:
Prof. Dr. Tim Kröger
Information:
www.th-nuernberg.de/fakultaeten/amp/fakultaet/veranstaltungen/

Zurück

Anfahrt