Ο κύκλος εργαστηρίων υπάγεται στην εκπαιδευτική δράση Project Self-driving Cars & AI και επικεντρώνεται στην ανάλυση, επεξήγηση και σύνθεση αλγορίθμων:

- Επεξεργασίας δεδομένων που προέρχονται από κάμερα
- Αυτόνομου ελέγχου οχήματος με οπτική ανατροφοδότηση
- Τεχνητής Νοημοσύνης για αυτόνομη πλοήγηση και λήψη αποφάσεων.

Σημείωση: Η συμμετοχή στον κύκλο δεν προϋποθέτει την ολοκλήρωση του υπόλοιπων κύκλων του project.

Ο Κύκλος 2 αποτελείται από τα ακόλουθα εργαστήρια:

Εργαστήριο 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.

Εργαστήριο 2: Αλγόριθμοι Επεξεργασίας Εικόνας
Λήψη εικόνας/βίντεο από την κάμερα του αυτόνομου οχήματος, βασικοί αλγόριθμοι επεξεργασίας εικόνας, υλοποίηση αλγορίθμων με χρήση OpenCV.

Εργαστήριο 3: Έλεγχος Οχήματος με χρήση Οπτικής Ανατροφοδότησης
Αλγόριθμοι αναγνώρισης γραμμών πορείας (lane detection), εισαγωγή στον έλεγχο PID, αλγόριθμος ελέγχου κίνησης οχήματος με χρήση PID.

Εργαστήριο 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.

Εργαστήριο 5: Εισαγωγή στα CNN
Εισαγωγή στα συνελικτικά νευρωνικά δίκτυα, εφαρμογή παραδείγματος classification με pre trained CNN, υλοποίηση και εκπαίδευση παραδείγματος ταξινόμησης με CNN.

Εργαστήριο 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).
 
Εργαστήριο 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.

Εργαστήριο 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 

  1. https://www.python.org/
  2. https://opencv.org/
  3. https://jupyter.org/
  4. https://www.tensorflow.org/
  5. https://colab.research.google.com/
  6. https://www.w3schools.com/python/
  7. https://www.learnpython.org/
  8. https://www.pythontutorial.net/
  9. End to End Learning for Self-Driving Cars
  10. Νευρωνικό δίκτυο (ΒΙΚΙΠΑΙΔΕΙΑ)
  11. Nευρωνικά ∆ίκτυα και Eφαρμογές
  12. OpenCV Python Course - Learn Computer Vision and AI
  13. PID Controller Explained
  14. A guide to artificial intelligence in the enterprise - Artificial Intelligence
  15. https://github.com/udacity/self-driving-car-sim

ιε