Few-Shot-Defekterkennung fuer einen Halbleiterhersteller in Sachsen
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst einen Wafer-Defekt-Korpus mit 12 'Design-Familien' (jede mit ~600 Bildern in 6 Defektklassen) plus 3 neuen Design-Familien mit nur 10-30 Bildern pro Klasse. Implementiere ein Prototypisches Netz (ProtoNet) auf den 12 etablierten Familien als Meta-Training. Evaluiere auf den 3 neuen Familien mit 5-shot- und 10-shot-Genauigkeit. Vergleiche gegen klassisches Fine-Tuning eines ResNet-50 mit den gleichen 5-30 Beispielen. Liefere Notebook + 3-seitiges Memo an den Produktionsleiter.
Das Briefing
Was Du tust und was Du zeigst.
Verkuerze die Inbetriebnahme-Zeit neuer Wafer-Defekt-Inspektoren von Wochen auf Tage durch Few-Shot-Learning.
Earning criteria — what you'll demonstrate
- Episodic Training (N-way K-shot) als Meta-Lernparadigma anwenden
- Prototypische Netze als robuste Few-Shot-Basislinie implementieren
- Fine-Tuning und Meta-Learning fair gegeneinanderstellen
- Modellgewinne in Inbetriebnahme-Zeit fuer Produktionsleiter uebersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
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 Researcher
Meta-Learning sauber zu implementieren und gegen Fine-Tuning zu stellen ist Senior-Forschungsarbeit in industriellen CV-Anwendungen.
Dieses Projekt schärft
- meta-learning
- few-shot-learning
- model-evaluation
Computer Vision Engineer
Few-Shot-Defekterkennung ist eine Standard-Aufgabe in Halbleiter- und Praezisionsfertigung — wer das beherrscht, ist sofort einsetzbar.
Dieses Projekt schärft
- computer-vision
- transfer-learning
- pytorch
Applied AI Scientist
Modellgewinne in Inbetriebnahme-Zeit zu uebersetzen, ist die taegliche angewandte KI-Kommunikation in der Halbleiterindustrie.
Dieses Projekt schärft
- few-shot-learning
- transfer-learning
- model-evaluation
Noch eine Sache