Künstliche Intelligenz in der Fahrzeugtechnik

  • Hallo Zusammen,


    letzten Donnerstag nach der Vorlesung (24.01) gab es eine Besprechung der Prüfung (mögliche Fragen und Schwerpunkte, Themen, die nicht drankommen etc.), die nicht aufgenommen wurde bzw. auf Moodle nicht zur Verfügung gestellt wurde. Leider konnte ich an dem Tag nicht in die VL, da ich zur gleichen Zeit eine andere Pflichtveranstaltung hatte. Könnte jemand von euch stichpunktartig sagen, welche Infos zu diesem Thema gesagt wurden. Da es auch die erste Prüfung seitens FTM ist, hat man keine Altklausuren, an die man sich richten kann, von daher wäre ich euch für jede Info sehr dankbar.


    Grüße D

  • Hi,


    geht denn wer von euch zu der Prüfungsbesprechung nächste Woche?


    Ich hab nähmlich grade erfahren, dass ich ausgerechnet da zur gleichen Zeit einen Termin für ne mündliche Prüfung zugeteilt bekommen habe. Wenn also wer von euch mitschreibt, was zur Prüfung gesagt wird, und dazu bereit wäre z.B. ein Foto davon hier hochzuladen, wäre das wirklich super.


    Grüße

  • WS1819:


    Die Vorlesung an sich ist ziemlich interessant, wenn man in KI und/oder Fahrzeugtechnik Interesse hat. Die Vorlesungen werden aufgezeichnet. Es gibt freiwillige wöchentliche Hausaufgaben, wenn der Durchschnitt der Hausaufgaben mehr als 50% ist kriegt man eine 0,3 Notenbonus (und es ist schon machbar wenn man jede Woche dafür bisschen Zeit nimmt). Die Folien sind auf Englisch aber die Vorlesung wird auf Englisch gehalten. Die Prüfungsfragen sind in beiden Sprachen gestellt und man kann entwerder auf Deutsch oder Englisch antworten. Für die Hausaufgaben muss man Python syntax können, aber ehrlich gesagt die Notenbonus kann man auch ohne die Codierungsaufgaben machen.


    Zur Prüfung: 90 minütige Prüfung mit 36 Seiten(!!!) und 180 Punkte. Ich weiß nicht ob es Überhang gab, aber sicherlich war die Zeit knapp. Es gab Fragen über alle Kapiteln. Die Prüfung an sich war nicht schwierig, ich glaube es war mehr oder weniger gut angemessen. Es gab überhaupt nichts mit Code in der Prüfung. Ich weiß nicht ob das so bleiben wird, aber die ganze Code beispiele kann man für die Prüfung weglassen. Die Prüfungsfragen waren eher Verständnis und auswendig lernen orientiert. Die antworten sind nicht immer direkt in folien zu finden, daher ist es sehr hifreich, die Vorlesung gut zu verstehen und vielleicht mehrmals zu hören. Es gab einige Rechenaufgaben (nichts schwieriges, ähnlich zur Vorlesung- und Übungsaufgaben).


    Gedächtnisprotokoll WS1819 (es gab viel mehr Fragen, kann ich mir leider nicht alles erinnern - ohne Vollständigkeit und Gewähr):


    Introduction

    Arten von Intelligenz

    Planning erklären und Methoden benennen

    Autonomous Level 5 Car Pipeline (die Graph aus der Vorlesung wurde gegeben, man musste ausfüllen)


    Perception

    3 Probleme bei CV benennen

    Welches Sensor ist für auto am besten? Warum? Jeweils 4 gründe für Funktionalität und Fahrzeug für diese Sensor benennen

    Erklären und Beispiele geben: feature, feature detection, feature extraction

    Bilder gegeben mit verschiedenen edge detection Algorithmen - Welche ist am besten? Welche algorithmus wurde benutzt? Warum sind die anderen schlecht?

    Depth detection Berechnung

    HOGs für 2 Bilder gegeben - Was für eine Szene? Wie bewegt sich die Kamera?


    Regression

    Was sind die Regularizationstechniken?

    Datenpunkte gegeben, design matrix erstellen (nicht lösen)

    Underfitting und overfitting Diagramme gegeben, richtig benennen. Jeweils zwei gründe warum diese Phänomene entstehen.

    Gauss und polynom 2. Grades zeichnen

    L2 Regression (mit und ohne Regularization) zeichnen

    Wie kann ein Regularizationsproblem mit ridge regression gelöst werden? Schritte benennen


    Classification

    Zweck für Classification

    Vorteile von Machine learning in Classification

    Bild gegeben, manche Autos sind erkannt, manche nicht, warum?

    Confusion matrix gegeben, recall und precision berechnen (formeln gegeben)

    Datenpunkte gegeben, MMH zeichnen


    Clustering

    Clustering Beispiele in Fahrzeugtechnik geben

    Unterschied zwischen Clustering und Classification anhand Trainingsdaten

    Hierarchical clustering mit complete link

    Quality measure of clusters geben und erklären

    k-Means clustering gegeben, einige Datenpunkte haben negative silhouette coefficients, erklären warum


    Pathfinding

    Nodes und ways gegeben, routable graph (ohne compression) erstellen, abstände berechnen (euclidian)

    Tiefensuche Pfad geben, ist es optimal anhand Länge?

    Dijkstra Suchbaum und Pfad zeichnen


    Introduction ANN

    Welche classiche machine learning Methoden können mit einem Neuron benutzt werden? Mit welcher Aktivierungsfunktion?

    Computational Graph zeichnen, Ableitungen berechnen

    Neuron zeichnen, w updaten

    Relu, sigmoid, tanh zeichnen


    Deep NN

    Computational Graph gegeben, Ableitungen berechnen

    Neural chain gegeben, w1 update gegeben, w2 update berechnen

    Warum wird sigmoid statt step benutzt?

    NN gegeben, in matrix form geben

    Weight initialization: 10 Datenpunkte gegeben, Standardabweichung berechnen, sind die weights falsch initialisiert?


    Convolutional NN

    Input, output, filter gegeben, zuordnen

    Dimensions berechnen (filter und maxpool)

    Was ist Momentum? Warum wird es benutzt?


    Recurrent NN

    Ein Vorteil und ein Nachteil von einem Teil von Graphen backpropagieren statt der Ganze zu backpropagieren


    Reinforcement Learning

    Value function berechnen

    Action value function berechnen, mit welcher Wahrscheinlichkeit wird die Aktion laut greedy policy durchgeführt?


    AI Development

    IoU für zwei Schilder berechnen

    Wie können die Ergebnisse aus vorherigen Aufgabe verbessert werden?

    Wie kann ein zusätzliches GPU die Ergebnisse verbessern?

    Ähnliche, kleinere Datenset - wie kann die Framework verbessert werden?

    Nach der Verbesserung kann overfitting immer noch passieren? Wie kann es vermieden werden?

  • Gedächnisprotokoll WiSe 19/20


    Zeitlich schaffbar wenn man wirklich alles herbeten konnte, ansonsten eher knapp. Fragen gingen teilweise in die Tiefe.

    Teilweise gleiche Fragen wie frühere GP.


    Rechnen ist deutlich wichtiger als stumpfes auswendiglernen, daher hier mehr Zeit investieren als man denkt. Die VL-Leiter sagen zwar, dass schwierige Zusammenhänge gegeben sind, man sollte aber trotzdem alles was in den Vorlesungen an Formeln drankommt, vorher schonmal angewendet haben, sonst fliegt man da zeitlich aus der Kurve.


    Wie im Vorjahr kam keine einzige Zeile Code dran, eventuell seit ihr dann die glücklichen Ersten ;)


    Insgesamt ungefähr 180 Punkte (jedes Thema grob 15 Punkte) über 90 Minuten (+ 5 Minuten Einlesezeit)

    Ich weiß nicht, ob es einen Überhang gab/gibt.

    Fragen auf Deutsch und Englisch gestellt und beantwortbar.


    Introduction

    4 Arten wie Artificial Intelligence aussehen könnte

    "Reasoning & Problem Description" erklären, Methoden und Algorithmen nennen

    Classification&Clustering, Wörter zuordnen (Un-Supervised, Continous, Discrete)

    Unterschiede AI; ML; DL, Vorteile von DL

    Level5-Pipeline, einzelne Begriffe auswendig können

    Input, Filter mit einem fehlenden Wert, Output gegeben, fehlenden Wert berechnen und falschen Wert in Output-Matrix finden


    Perception

    4 Steps to Process Image (Image Processing pipeline?)

    Apply Mean-Filter on given 4x4 "picture"

    Different Contrast pictures given (p(f)-diagramms): which one has the most contrast? Which could be the p(f)-diagramm of another given picture?


    Regression

    Omega = [XT*X]-1*X*y, geben Sie P, so dass Omega = P * y mit y=c1*x + c2

    gleiche Aufgabe wie oben, bloß umgedreht (P gegeben, aus Werten c1 und c2 bestimmen)

    Huber und L1 zeichnen

    1 Vorteil und 1 Nachteil von Huber gegenüber L1 nennen


    Classification

    Confusion Matrix gegeben, Specifity und Precision ausrechnen

    bild mit zwei Klassen gegeben, (zwei Punkte liegen "ungünstig"): zwei Möglichkeiten um dennoch SVM anwenden zu können

    welche Möglichkeiten gibt es weighted k-NN anzuwenden? bei welcher ändert sich das Klassifizieren in diesem Fall nicht?

    Was sind die Folgen von zu kleinem/großen k bei k-NN?


    Clustering

    Diagramm mit 8 Punkten gegeben, Dendrogram erstellen (Manhattan), 2 Cluster mit Elementen nennen, SingleLink

    Similarity, Dissimilarity und Silhouette von einem Punkt in Cluster berechnen

    Selbes Diagramm in mehren Schritten mit k-means Clustern (euklidisch und geschätzt)


    Pathfinding

    "Manhattan" Graph gegeben (nur gerade Wege, Schrittweite immer 10, Lower Boundary war für jedes Node gegeben):

    A* Algorithmus ausführen und Strecke angeben, optimaler Weg?

    Wenn sich der "Lower Boundary" von x ändern würde, wie groß müsste der Lower Boundary von y sein, damit dies der optimale Weg bleibt (und A* ihn als erstes verfolgt)?

    anderer Graph gegeben, Breadth-First mit und ohne Revisation aufzeichnen


    Neural network

    3 Graphen für einen 3D-graph gegeben (x1,x2,x3) mit 2 Klassen; zeichne ein Neuron mit zwei(!) Eingängen und begründe deine Wahl

    Sollte man lieber ein Neuron mit drei Eingängen wählen? Begründen!

    Computational Graph vervollständigen und Weight Update berechnen f(x)=1/(e^(x1*w1)+e^(x2*w2)), alles andere war gegeben

    Neural network für Klassifizieren von 2 Klassen nutzen, welche Aktivierungsfunktion?

    Warum wird Batch Gradient Descent genutzt?

    Wie sollten Gewichte initialisiert werden?


    Convolutional Networks

    2 Activation Maps zeichnen für 2 gegebene Filter und ein Ausgangs"bild"

    Dimensionen eines Poolings berechnen (angeben): Vorher 21*9*9, Pooling mit 3x3 und Stepsize 3

    AveragePooling berechnen von gegebener 4x4-Matrix


    Recurrent Networks

    3 Möglichkeiten h0 zu initialisieren

    Mittel der Xavier-Initlaisierung N(0, 2/n+m)

    wogegen hilft die Xavier-Initalisierung

    Bidirectional RNN benennen und y = y12*y22 berechnen (alles gegeben)


    Reinforcement Learning

    Markov-Decision-Process gegeben, eine Valuefunction ausrechnen, (2/3 waren gegeben)

    Action-Value-Function eines States ausrechnen und sagen, welche Policy, nach einem Greedyimprovement angenommen werden würde

    Warum wird der in der VL vorgestellte Q-LEarning-Algorithmus nicht für das Spiel Go verwendet?


    AI Development

    Intersection over Union benennen und für zwei Schilder berechnen

    Was kann man tun um ein altes ANN zu nutzen (und wann macht es Sinn?)

    Kann ein kleines Dataset mit unterschiedlichen Daten beim Trainieren ohne irgendwelche Anpassungen zu Overfitting neigen? Wenn ja, warum?


    30 Seiten machen müde, wenn euch weitere Fragen einfallen, oder ich Fragen in den falschen Kontext gerückt habe: kleine Nachricht, dann korrigiere ich das.

    Dieser Beitrag wurde bereits 2 Mal editiert, zuletzt von Paxvir () aus folgendem Grund: Punkt bei AI-Dev hinzugefügt

  • Servus,


    vllt sehr kurzfristig, da morgen Klausur, aber ich hätte zwei Fragen zur herausgegebenen Altklausur vom WiSe19/20. Vllt kennt jemand die Antworten:


    Aufgabe 6: Pathfinding: a) ist klar wie man zum Ziel kommt, aber wie kommt man in b) zu den maximalen Werten?

    Die Teilaufgabe gibt relativ viele Punkte (5P), die Lösung ist aber ohne Rechenweg angegeben.

    Was ich bisher habe (A steht für Anfang, bzw. das Dreieck):

    • Erste Iteration:
      • AF = 10+10 = 20 (10 ist ja die neue Heuristik)
      • AI = 10+20 = 30 (20 ist ja die neue Heuristik)
      • AJ = 10+x1 (Heuristik gesucht)
      • AM = 10 +x2 (Heuristik gesucht)
    • Beispielhafte 2te Iteration:
      • AFG = 10+10+40 =60
    • usw.

    Muss man nicht schauen, dass der A* direkt auf J oder M geht anstatt F oder I, um optimal zu werden? D.h. AJ oder AM <20 und damit die Heuristik nicht größer als 10.

    Was verstehe ich hier nicht?


    Aufgabe 8: Deep Neural Networks: a) Backpropagation

    Ich bekomme für delta L / delta w1 = -0.31*1.648*1 =-0.51088

    In der MuLö ist delta L / delta w1 = -0.518 angegeben.

    Wo habe ich mich da verrechnet, oder ist das ein Fehler in der MuLö?


    Bin um jede Hilfe dankbar :)