?WATCHBOX? für TRAFFIC SUPERVISION

Aufgaben:

Entwickelt ein real-time Verkehrsüberwachungssystem mit Deep Learning und Computer Vision Techniken

• Klassifizierung von Fahrzeugmerkmalen: Typen, Farben, Marken
• Entwicklung eines Edge Device, das eine Stromquelle, einen Mikrocontroller und eine Kamera enthält

Kenntnisse:

Python, Keras, YOLO, DeepSort Objekt Tracking, CUDA, TensorRT, SolidWorks, NVIDIA Jetson Nano, Linux

AUTOMATIC VOID MEASUREMENT WITH R

Aufgaben:

Entwicklung eines Deep-Learning- Modells zur Messung Void-Größe beim Lötprozess auf LED-Chips (PCB) mit R Studio (Datenquelle: Zollner Electronics, Zandt)

• Manuell erstellen, annotieren synthetische Datensätze für Training
• Benutzt U-Net CNN für die präzise Aufgabe der Bildsegmentierung
• Das optimale ML-Modell für die Prädiktoren von Void optimiert

Kenntnisse:

R, Reticulate library, Python, U-Net CNN, R-Studio, Appear (Bildanmerkung), MS EXCEL

WASTE RECOGNITION WITH AI

Aufgaben:

Entwickelt ein System zur Abfallerkennung in Echtzeit, das verschiedene Arten von Haushaltsabfällen klassifiziert (Plastik, Papier, Metall, Kleidung, Glas, Elektronik, Biomüll, Batterien)

• Durchführung einer vergleichenden Analyse zwischen verschiedenen Machine-Learning-Modellen mit der Transfer-Learning-Methode
• Selbst erstellter, großer markierter Bilderdatensatz für Modelltraining
• Integration von Kamerasensor und Multi-Objektverfolgung von Video

Kenntnisse:

Python, PyTorch, OpenCV, Google Colab, Roboflow (Bildanmerkung)

EMBEDDED CONTROL SOLUTION

Aufgaben:

Entwickelt eine Gesundheits-App für Mobiltelefone unter Nutzung des LSTM-Modells für maschinelles Lernen zur Klassifizierung von Aktivitäten des Nutzers wie Sitzen, Laufen und Walking

• Gesammelte Daten vom Accelerometer Sensor und aufbereitet mit der Pandas Library, zu einem Datensatz von1 Million+ Daten führte
• Implementierung der Fernet-Encryption zum Schutz der Nutzerdaten

Kenntnisse:

Python, TensorFlow, Kivy, Kivymd, plyer, pandas, scikit-learn, MS EXCEL (Datenanalyse,Visualisierung)