Defekt-Klassifikator für eine Halbleiter-Fabrik in Sachsen
Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen Defekt-Klassifikator für eine Halbleiter-Fabrik, vergleiche CNNs und spare Inspektionszeit. Du erhältst ein verifizierbares Zertifikat.
Das Szenario
Die Fab (Tochter eines internationalen Halbleiter-Konzerns, Investitionsschwerpunkt Sachsen) hat Inspektor:innen-Kapazität als Engpass identifiziert; jeder eingesparte Inspektor:innen-Tag entspricht intern rund 850 EUR.
Das Briefing
Was Du tust und was Du zeigst.
Wie baut man einen CNN, der mindestens 90 % der Top-3-Defektklassen mit Confidence ≥ 95 % automatisch routet, ohne seltene Klassen zu übersehen?
Earning criteria — what you'll demonstrate
- Moderne CNN-Architekturen gegen Transformer-Hybride benchen
- Klassenunbalance mit Sampling und Loss-Gewichtung adressieren
- Confidence-Kalibrierung (Temperature Scaling) sauber implementieren
- Auto-Routing-Schwellen mit Geschäftsmetriken (Inspektor:innen-Zeit) verbinden
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Deep Learning for Computer Vision
Master · Computer Vision
Strong alignment
This challenge maps to Deep Learning for Computer Vision at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Cnn Architectures
Apply cnn architectures to solve real industry problems and demonstrate production-level capability.
- Image Classification
Apply image classification to solve real industry problems and demonstrate production-level capability.
- Transfer Learning
Apply transfer learning to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Confidence Calibration
Apply confidence calibration to solve real industry problems and demonstrate production-level capability.
- Imbalanced Classification
Apply imbalanced classification 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
Industrielle Inline-Inspektion ist ein Standard-Anwendungsfeld für CV-Engineer:innen in Halbleiter-, Automotive- und Pharma-Fabriken; die Challenge produziert das passende Portfolio-Stück.
Dieses Projekt schärft
- cnn-architectures
- image-classification
- imbalanced-classification
Machine Learning Engineer
Confidence-Routing und Geschäftsmetriken-Anbindung sind genau die Disziplinen, die ML Engineers in produktiven Vision-Systemen täglich anwenden.
Dieses Projekt schärft
- pytorch
- confidence-calibration
- image-classification
MLOps Engineer
Reproduzierbare Trainings-Pipelines mit Tracking und Auto-Routing-Logik sind die Brücke ins MLOps; die Challenge übt sie an einem realen industriellen Setup.
Dieses Projekt schärft
- pytorch
- transfer-learning
- confidence-calibration
Noch eine Sache