UL Certified Autonomy Safety Professional - Machine Learning

Künstliche Intelligenz (KI) spielt in der Automobilindustrie eine wichtige Rolle, da sie um die Entwicklung und Vermarktung von Fahrzeugen konkurriert, die die Aufgaben erfüllen können, für die früher ein erfahrener Fahrer erforderlich war.

Heutzutage müssen Automobilhersteller und Zulieferer die Schwierigkeiten bewältigen alle operativen und taktischen Funktionen zu entwickeln, die für den Betrieb eines Fahrzeugs erforderlich sind, das im Straßenverkehr Fahrmanöver besser beherrscht als ein erfahrener Fahrer.

Diese Schulung zum maschinellen Lernen (ML) für die Automobilsicherheit bietet eine Anleitung für die sichere Entwicklung von ML Komponenten in den modernen Sicherheits-Frameworks für die Automobilindustrie, einschließlich Functional Safety (FuSa) und Safety of Intended Functionality (SOTIF).

Diese Schulung umfasst auch die Referenzinformationen zu neuen autonomen Sicherheitsnormen wie zum Beispiel:

• UL 4600, der Standard für die Bewertung von autonomen Produkten
• ISO/TR 4804:2020, Straßenfahrzeuge – Sicherheit und Cybersecurity für automatisierte Fahrsysteme; Entwurf, Verifizierung und Validierung
• ISO/IEC DTR 5469, Künstliche Intelligenz; Funktionale Sicherheit und KI-Systeme
• ISO/AWI PAS 8800, Straßenfahrzeuge – Sicherheit und Künstliche Intelligenz
• ISO/IEC TR 24029-1:2021, Künstliche Intelligenz (KI) – Bewertung der Robustheit von Neuronalen Netzen; Teil 1: Überblick
• ISO/IEC DIS 24029-2, Künstliche Intelligenz (KI) – Bewertung der Robustheit von neuronalen Netzen; Teil 2: Methodik für den Einsatz formaler Methoden

Dieses Seminar wird Ihnen helfen,:

• ML-Konzepte innerhalb der FuSa- und SOTIF-Frameworks anzuwenden,
• sicherere, robustere ML-Algorithmen zu entwickeln, um autonomen Sicherheitsproblemen zu lösen,
• eine ausreichende Anleitung zu erhalten, um ML-Algorithmen im Kontext der autonomen Sicherheit zu definieren, zu entwickeln, zu bewerten, einzusetzen und zu überwachen,
• die Vollständigkeit und Korrektheit für sicherere autonome Fahrzeuge bis zu einem gesellschaftlich akzeptablen Risikoniveau durch die Bereitstellung von ML-Sicherheitsanalysen zu unterstützen.

Inhalt

Tag 1

• Einführung
• Automobilsicherheit und KI-Standards
• Einsatz von AI in Systemen
• Faktoren, die bei der KI-Sicherheit zu berücksichtigen sind
• Laufendes Beispiel
• Spezifikation und Entwurf (SOTIF-spezifisch)
• KI-Sicherheitskultur
• Konzeptphase
• Phase der Systementwicklung

Tag 2

• Hardware-Entwicklungsphase
• Software-Entwicklungsphase
• Strategie zur Verifizierung und Validierung (V&V)
• Software-Verifizierungsphase
• Hardware-Verifizierungsphase
• System-Verifizierungsphase
• Verifizierungs- und Validierungsphase des Fahrzeugs
• Bewertung
• Betrieb, Stilllegung, Wartung und Instandhaltung

Zielgruppe

Ingenieure, die mit hochentwickelten Fahrerassistenzsystemen(ADAS) und autonomen Fahrzeugen (AV) arbeiten, wie z. B. AutomobilIngenieure, Sicherheitsingenieure, Datenwissenschaftler, Projektleiter,Testpersonal