Bild-Text-Alignment für medizinisches Reporting im Schweizer Healthtech
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein CLIP-Modell auf Röntgen-Befund-Paare, implementiere einen Konsistenz-Score mit Demo und erhalte dein verifizierbares Zertifikat.
Das Szenario
Das Startup (rund 22 Mitarbeitende, Pre-Series-A, drei Krankenhaus-Pilotpartner in der Schweiz und Süddeutschland) muss bis Ende Quartal nachweisen, dass eine lokale, DSGVO-konforme Variante machbar ist — sonst springen zwei Pilotkunden ab.
Das Briefing
Was Du tust und was Du zeigst.
Lässt sich mit lokal laufenden Vision-Language-Modellen eine ausreichend genaue Konsistenz-Prüfung zwischen Röntgen-Bild und Befundtext realisieren?
Earning criteria — what you'll demonstrate
- Ein domänenspezifisches Vision-Language-Modell fine-tunen
- Lokale Inferenz als nicht-funktionale Anforderung ernst nehmen (kein API-Call)
- Konsistenz-Klassifikation mit AUROC und Diskrepanz-Erklärung evaluieren
- Regulatorische Anforderungen (DSGVO) in technische Designentscheidungen übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Vision Language Models
Apply vision language models to solve real industry problems and demonstrate production-level capability.
- Biomedclip
Apply biomedclip to solve real industry problems and demonstrate production-level capability.
- Fine Tuning
Apply fine tuning to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Local Inference
Apply local inference to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Angewandte:r KI-Wissenschaftler:in
Medizinische Vision-Language-Anwendungen mit lokaler Inferenz und DSGVO-Konformität sind ein extrem gesuchter Skill in europäischen Healthtech-Startups.
Dieses Projekt schärft
- vision-language-models
- biomedclip
- fine-tuning
Machine-Learning-Ingenieur:in
Fine-Tuning + lokale Inferenz + Eval-Disziplin ist genau das Engineering-Profil, das regulierte Branchen für ihre Production-Pfade einstellen.
Dieses Projekt schärft
- fine-tuning
- pytorch
- local-inference
ML-Forscher:in
Domain-Adaption von Vision-Language-Modellen mit sauberer Eval auf MIMIC-CXR ist ein publikationsnahes Profil, das in Medical-AI-Forschungsgruppen wertgeschätzt wird.
Dieses Projekt schärft
- vision-language-models
- evaluation
- biomedclip
Noch eine Sache