700.370 (17S) Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies

Sommersemester 2017

Anmeldefrist abgelaufen.

Erster Termin der LV
06.03.2017 10:00 - 12:00 L4.1.02 ICT-Lab Off Campus
... keine weiteren Termine bekannt

Überblick

Lehrende/r
LV-Titel englisch
Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies
LV-Art
Seminar (prüfungsimmanente LV )
Semesterstunde/n
2.0
ECTS-Anrechnungspunkte
4.0
Anmeldungen
7 (20 max.)
Organisationseinheit
Unterrichtssprache
Englisch
LV-Beginn
06.03.2017
eLearning
zum Moodle-Kurs

Zeit und Ort

Liste der Termine wird geladen...

LV-Beschreibung

Intendierte Lernergebnisse

In this seminar, students will get familiar with selected fundamentals of Self-Driving Vehicles. In particular, each student will deeply study one or more papers related to a subject related to data mining and/or pattern recognition in the frame of self-driving vehicles.

Lehrmethodik inkl. Einsatz von eLearning-Tools

GLOBAL PLAN:

###########

1) Kick-Off Meeting (at Semester begin): introductory presentation,  topics selection by the student, brief overview of related papers and documents.

2) Intermediate presentations (after 3 Weeks): here students present their global plannings and their first rough ideas. A related feedback is provided.

3) Final presentations: 1st-2nd week of June 2017

4) Final paper/report submission: around last week of June or first half of July 2017.

Inhalt/e

Selected topics (not exhaustive):
###########################
#  Learning Driver Behavior Models from Traffic Observations for DecisionMaking and Planning

#  Driver Behavior Profiling Using Smartphones

#  Modeling the Driving Behavior of Electric VehiclesUsing Smartphones and Neural Networks

# The Impact of an Anticipatory Eco-Driver Assistant System in Different Complex DrivingSituations on the Driver Behavior

#  Velocity-Based Driver Intent Inference at Urban Intersections in the Presence of Preceding Vehicles

#  The Attentive Co-Pilot: Towards a Proactive Biologically-Inspired Advanced Driver Assistance System.




 


Prüfungsinformationen

Im Fall von online durchgeführten Prüfungen sind die Standards zu beachten, die die technischen Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu können.

Beurteilungsschema

Note Benotungsschema

Position im Curriculum

  • Bachelorstudium Informationstechnik (SKZ: 289, Version: 12W.2)
    • Fach: Bachelorarbeit, Studienzweig Ingenieurwissenschaften (Pflichtfach)
      • Seminar aus dem Bereich Ingenieurwissenschaften ( 2.0h SE / 3.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 3.0 ECTS)
          Absolvierung im 6. Semester empfohlen
  • Bachelorstudium Informationstechnik (SKZ: 289, Version: 09W.2)
    • Fach: Bachelorarbeit und Seminar (Pflichtfach)
      • Seminar (zur Bachelorarbeit) ( 2.0h SE / 3.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 3.0 ECTS)
  • Bachelorstudium Informationstechnik (SKZ: 289, Version: 06W.1)
    • Fach: Informationstechnische Vertiefung (Wahlfach)
      • Seminar ( 2.0h SE / 4.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technischer Schwerpunkt (Intelligent Transportation Systems) (Pflichtfach)
      • 1.1-1.3 Vorlesung mit Kurs oder Vorlesung mit Seminar ( 6.0h VK/VS / 12.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technischer Schwerpunkt (Media Engineering) (Pflichtfach)
      • 1.1-1.3 Vorlesung mit Kurs oder Vorlesung mit Seminar ( 6.0h VK/VS / 12.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technische Ergänzung I (Pflichtfach)
      • 2.3 Vorlesung mit Kurs oder Seminar ( 2.0h VK/SE / 4.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Technische Ergänzung II (Pflichtfach)
      • 3.1-3.3 Vorlesung mit Kurs oder Vorlesung mit Seminar ( 6.0h VK/VS / 12.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 4.0 ECTS)
  • Masterstudium Information Technology (SKZ: 489, Version: 06W.3)
    • Fach: Research Track (Methodischer Schwerpunkt) (Pflichtfach)
      • 4.2'-4.3' Theoretisch-Methodische Lehrveranstaltung I/II ( 0.0h VO/VK/VS/KU/PS / 6.0 ECTS)
        • 700.370 Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h SE / 4.0 ECTS)

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Sommersemester 2021
  • 700.370 VS Seminar on "DATA ANALYTICS" and "PATTERN RECOGNITION" in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2020
  • 700.370 VS Seminar on "DATA ANALYTICS" and "PATTERN RECOGNITION" in Intelligent Transportation (2.0h / 4.0ECTS)
Sommersemester 2019
  • 700.370 SE Seminar on Data Science in Intelligent Transportation (2.0h / 3.0ECTS)
Sommersemester 2016
  • 700.370 SE Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h / 4.0ECTS)
Sommersemester 2015
  • 700.370 SE Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h / 4.0ECTS)
Sommersemester 2014
  • 700.370 SE Seminar on Data mining and Pattern Recognition in Intelligent Vehicle Technologies (2.0h / 4.0ECTS)
Sommersemester 2013
  • 700.370 SE Seminar on Pattern Recognition in Intelligent Vehicle Technologies (2.0h / 4.0ECTS)