Hindernis-Erkennung für Inspektions-Drohnen in Offshore-Windparks
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Segmentierungsmodell für Offshore-Drohnen und liefere Demo-Stack plus Sicherheits-Memo. Erhalte dein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere ein onboard-fähiges Segmentierungsmodell, das Turbinenstrukturen mit hoher Klassen-mIoU erkennt und Sicherheitsabstände in Echtzeit erzwingt.
Earning criteria — what you'll demonstrate
- Semantische Segmentierung für eine konkrete Industrieanwendung trainieren
- Modelle auf Edge-Hardware quantisieren und latenzoptimiert deployen
- Klassenspezifische Sicherheitslogik aus den Modellausgaben ableiten
- Risiko-Memo für Operations-Leitung strukturieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Robot Perception and Autonomy
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 RollenComputer-Vision-Ingenieur:in
Ein Segmentierungsmodell für eine harte Outdoor-Domäne zu trainieren und auf Edge-Hardware zu bringen ist die Vorzeige-Arbeit für CV-Ingenieur:innen bei Inspektions- und Drohnen-Startups.
Dieses Projekt schärft
- semantic-segmentation
- perception
- image-processing
MLOps-Ingenieur:in
Edge-Quantisierung, Latenz-Profiling und reproduzierbare Inferenz sind tägliche MLOps-Aufgaben, die in dieser Challenge konkret geübt werden.
Dieses Projekt schärft
- edge-deployment
- evaluation
- pytorch
Maschinelles-Lernen-Ingenieur:in
Ein Modell vom Training bis zum Onboard-Deployment zu führen und gegen Latenz- und Genauigkeits-Budgets zu messen, deckt das ganze MLE-Lebenszyklus-Profil ab.
Dieses Projekt schärft
- pytorch
- edge-deployment
- evaluation
Noch eine Sache