Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen Gesten-Klassifikator für einen Logistik-AMR und validiere ihn im simulierten Hafen. Du erhältst ein verifizierbares Zertifikat.
Das Szenario
Der Dienstleister wickelt mehrere Millionen Container pro Jahr ab; jede Minute pro Auftrag durch schnellere Steuerung schlägt sich direkt in der Marge nieder, gleichzeitig sind Sicherheitsfehler nicht verhandelbar.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig und sicher kann eine Gestensteuerung sechs Standardbefehle für einen AMR im realen Hafenbetrieb umsetzen — gemessen an Erkennungsrate, Latenz und Bediener-Akzeptanz?
Earning criteria — what you'll demonstrate
- Ein Echtzeit-Gestenmodell für eine Edge-Plattform trainieren und deployen
- Sicherheitsrelevante Befehle durch Bestätigungs-Patterns absichern
- Modellqualität und Bediener-Akzeptanz gemeinsam evaluieren
- Trade-off zwischen Latenz, Genauigkeit und Modellgröße begründen
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.
- Gesture Recognition
Apply gesture recognition to solve real industry problems and demonstrate production-level capability.
- Real Time Inference
Apply real time inference to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch 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.
- Interaction Design
Apply interaction design to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation 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-Ingenieur:in
Echtzeit-Gestenklassifikation auf Edge-Plattformen ist eine direkte Aufgabe von Computer-Vision-Ingenieur:innen in industriellen Robotik- und Logistik-Teams.
Dieses Projekt schärft
- gesture-recognition
- real-time-inference
- edge-deployment
Machine-Learning-Ingenieur:in
Modelltraining bis zur Edge-Deployment-Pipeline plus Evaluation ist Tagesgeschäft von ML-Ingenieur:innen in Produktteams mit Hardware-Bezug.
Dieses Projekt schärft
- pytorch
- edge-deployment
- evaluation
KI-Produktdesigner:in
Das Interaktions-Protokoll mit Bestätigungs-Logik zu entwerfen, schlägt die Brücke zur Designrolle für interaktive KI-Systeme.
Dieses Projekt schärft
- interaction-design
- gesture-recognition
- evaluation
Noch eine Sache