Cross-Modal-Translation für Hamburger Marine-Forschung
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Audio-Modell zur Riff-Klassifikation aus Hydrophon-Daten und vergleiche es mit einem Vision-Baseline. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Kann ein audio-basiertes Modell aus Unterwasser-Hydrophon-Aufnahmen den visuell beobachtbaren Riff-Zustand mit mindestens 70 % der Genauigkeit eines reinen Vision-Modells vorhersagen?
Earning criteria — what you'll demonstrate
- Cross-Modal-Learning als Forschungsfrage konzipieren
- Audio-Features (MFCC, Mel-Spektrogramme) für Klassifikation extrahieren
- Repräsentations-Qualität jenseits der Klassifikationsgenauigkeit bewerten (t-SNE)
- Eine Forschungs-Hypothese sauber gegen ein Vision-Baseline testen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Multimodal Machine Learning
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML-Forscher:in
Cross-Modal-Forschung in einer wenig erschlossenen Domäne (Bioakustik) ist ein originelles Profil-Stück, das in interdisziplinären Labs sehr gut ankommt.
Dieses Projekt schärft
- cross-modal-learning
- audio-classification
- representation-learning
Forschungswissenschaftler:in
Eine Hypothese sauber gegen einen Vision-Baseline zu testen und in einen Konferenz-Bericht zu gießen, übt das Format, das Research Scientists in jedem ersten Projekt liefern müssen.
Dieses Projekt schärft
- research-methodology
- evaluation
- representation-learning
Angewandte:r KI-Wissenschaftler:in
Audio-zu-Bild-Klassifikation in einer Forschungsdomäne übersetzt direkt auf industrielle Audio-Anwendungen (Predictive Maintenance, Acoustic Anomaly Detection).
Dieses Projekt schärft
- audio-classification
- pytorch
- evaluation
Noch eine Sache