Etiketten-Lesbarkeitscheck für eine Düsseldorfer Kosmetikmarke
Übersicht
Worum es bei diesem Projekt geht.
Baue eine Bildverarbeitungs-Pipeline mit OpenCV und CNN für eine Kosmetikmarke, vergleiche beide Ansätze und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig kann eine einfache Bildverarbeitungs-Pipeline schiefe oder verrutschte Etiketten auf Premium-Kosmetikflakons erkennen?
Earning criteria — what you'll demonstrate
- Grundlagen klassischer Bildverarbeitung anwenden
- Transfer Learning mit einem leichten CNN üben
- Klassifikation pro Klasse ehrlich bewerten
- Methodische Wahl gegenüber Stakeholdern argumentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Computer Vision (Undergraduate)
Bachelor · 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 RollenComputer Vision Engineer
Ein erstes industrielles CV-Projekt mit ehrlichem Vergleich klassischer und lernbasierter Methoden ist genau das Profil, das Bachelor-Absolventinnen für Einstiegsstellen im CV-Bereich brauchen.
Dieses Projekt schärft
- image-processing
- opencv
- cnn
Machine Learning Engineer
Transfer Learning mit einem leichten CNN ist die niederschwellige Einstiegsstufe in ML-Engineering und öffnet die Tür zu produktiveren Projekten.
Dieses Projekt schärft
- transfer-learning
- cnn
- python
AI Engineer
Eine Streamlit-Demo plus reproduzierbarer Trainings-Pipeline ist die Basis, auf der AI Engineers später Produktintegrationen bauen.
Dieses Projekt schärft
- model-evaluation
- python
- opencv
Noch eine Sache