Event
Practical Course Cognitive automobiles and robots (Master) [WS222512501]
Type
internship (P)Präsenz/Online gemischt
Term
WS 22/23SWS
3Language
Deutsch/EnglischAppointments
0Links
ILIASOrganisation
- Angewandte Technisch-Kognitive Systeme
Part of
- Brick Project Lab Cognitive Automobiles and Robots | Industrial Engineering and Management (M.Sc.)
- Brick Advanced Lab Informatics (Master) | Industrial Engineering and Management (M.Sc.)
- Brick Project Lab Cognitive Automobiles and Robots | Economics Engineering (M.Sc.)
- Brick Advanced Lab Informatics (Master) | Economics Engineering (M.Sc.)
- Brick Project Lab Cognitive Automobiles and Robots | Information Systems (M.Sc.)
- Brick Advanced Lab Informatics (Master) | Information Systems (M.Sc.)
- Brick Project Lab Cognitive Automobiles and Robots | Information Engineering and Management (M.Sc.)
- Brick Advanced Lab Informatics (Master) | Information Engineering and Management (M.Sc.)
- Brick Project Lab Cognitive Automobiles and Robots | Economathematics (M.Sc.)
- Brick Advanced Lab Informatics (Master) | Economathematics (M.Sc.)
Note
Das Praktikum ist als praktische Ergänzung zu Veranstaltungen wie "Maschinelles Lernen" gedacht. Die theoretischen Grundlagen werden im Praktikum angewendet. Ziel des Praktikums ist, dass die Teilnehmer in gemeinsamer Arbeit ein Teilsystem aus dem Bereich Robotik und Kognitiven Systemen unter Verwendung eines oder mehren Verfahren aus dem Bereich KI/ML entwerfen, entwickeln und evaluieren.
Neben den wissenschaftlichen Zielen, die in der Untersuchung und Anwendung der Methoden werden auch die Aspekte projektspezifischer Teamarbeit in der Forschung (von der Spezifikation bis zur Präsentation der Ergebnisse) in diesem Praktikum erarbeitet.
Die einzelnen Projekte erfordern die Analyse der gestellten Aufgabe, Auswahl geeigneter Verfahren, Spezifikation und Implementierung und Evaluierung des Lösungsansatzes. Schließlich ist die gewählte Lösung zu dokumentieren und in einem Kurzvortrag vorzustellen.
Lernziele:
- Die Studierenden können Kenntnisse aus der Vorlesung Maschinelles Lernen auf einem ausgewählten Gebiet der aktuellen Forschung im Bereich Robotik oder kognitive Automobile praktisch anwenden.
- Die Studierenden beherrschen die Analyse und Lösung entsprechender Problemstellungen im Team.
- Die Studierenden können ihre Konzepte und Ergebnisse evaluieren, dokumentieren und präsentieren.
Empfehlungen:
Besuch der Vorlesung Maschinelles Lernen, C/C++ Kenntnisse, Python Kenntnisse
Arbeitsaufwand:
Der Arbeitsaufwand von 4,5 Leistungspunkten setzt sich zusammen aus Präsenzzeit am Versuchsort zur praktischen Umsetzung der gewählten Lösung, sowie der Zeit für Literaturrecherchen und Planung/Spezifikation der selektierten Lösung. Zusätzlich wird ein kurzer Bericht und eine Präsentation der durchgeführten Arbeit erstellt.