Computer-Vision-Pipeline für eine Mittelständische Recyclinganlage
Übersicht
Worum es bei diesem Projekt geht.
Du trainierst ein YOLOv8-Modell für die Müllerkennung und deployst es auf Edge-Hardware inklusive Monitoring – mit verifizierbarem Zertifikat.
Das Szenario
Die Recycling-Anlage gehört zu einem Familienunternehmen mit etwa 220 Mitarbeitenden, sitzt im Großraum Essen und investiert seit drei Jahren in Industrie-4.0-Initiativen. Die Anlagenleitung erwartet eine Lösung, die im Schichtbetrieb robust ist und ohne dedizierte Data-Science-Mannschaft weiter betrieben werden kann.
Das Briefing
Was Du tust und was Du zeigst.
Wie baut ein Studierenden-Team ein produktives Computer-Vision-System für eine Recycling-Anlage, das auf Edge-Hardware läuft und vom Anlagenpersonal betrieben werden kann?
Earning criteria — what you'll demonstrate
- Eine produktive Computer-Vision-Pipeline End-to-End im Team aufbauen
- Edge-Deployment mit den damit verbundenen Performance-Einschränkungen praktisch lösen
- Modell-Monitoring inklusive Drift-Erkennung produktiv betreiben
- Eine Anwendung an Anlagen-Personal ohne Data-Science-Hintergrund übergeben
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.
- Computer Vision
Build systems that interpret and analyze visual information from images and video.
- Object Detection
Apply object detection to solve real industry problems and demonstrate production-level capability.
- Edge Deployment
Apply edge deployment to solve real industry problems and demonstrate production-level capability.
- Model Monitoring
Apply model monitoring to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Docker
Containerize applications for consistent development, testing, and deployment.
- Team Coordination
Apply team coordination to solve real industry problems and demonstrate production-level capability.
- Data Annotation
Apply data annotation 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.
Computer Vision Engineer
Computer Vision Engineers in der Industrie bauen genau diese Art von End-to-End-Systemen. Die Challenge übt den vollen Bogen von der Annotation bis zur Edge-Auslieferung in einem realistischen Schichtbetrieb-Kontext.
Dieses Projekt schärft
- computer-vision
- object-detection
- edge-deployment
Machine Learning Engineer
Machine Learning Engineers in industriellen Anwendungs-Domänen verbinden Training, Deployment und Monitoring zu einem Produktsystem — die drei Säulen dieser Capstone-Challenge.
Dieses Projekt schärft
- model-monitoring
- docker
- python
MLOps Engineer
MLOps Engineers verantworten die produktive Pflege solcher Systeme; das Monitoring- und Übergabe-Setup dieser Challenge ist ihre Standard-Werkzeugkette.
Dieses Projekt schärft
- model-monitoring
- edge-deployment
- team-coordination
Noch eine Sache