Satellitenbild-Klassifikation für eine Klima-NGO in Hamburg
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein U-Net zur Satellitenbild-Klassifikation für eine Klima-NGO und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie reproduzierbar und genau lassen sich Moor-Zustandsklassen auf Sentinel-2-Daten klassifizieren, damit die NGO ihre Politik-Forderungen belegen kann?
Earning criteria — what you'll demonstrate
- Multispektrale Satellitendaten technisch korrekt verarbeiten
- U-Net auf Fernerkundungs-Patches trainieren und evaluieren
- Geräumliche Genauigkeit gegen Vor-Ort-Annotationen ehrlich validieren
- Forschungsergebnisse für Politik-Adressaten zugänglich aufbereiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Image Processing and Computational Imaging
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
Fernerkundungs-Segmentierung mit Multispektral-Daten und sauberer Validierung ist eine direkte Tätigkeit von Computer-Vision-Ingenieur:innen in Climate-Tech und Geo-Software.
Dieses Projekt schärft
- remote-sensing
- image-segmentation
- u-net
Machine-Learning-Ingenieur:in
Reproduzierbarkeit und blockweises Hold-out sind genau die Disziplinen, die ML-Ingenieur:innen in geowissenschaftlichen Teams täglich anwenden.
Dieses Projekt schärft
- pytorch
- reproducibility
- geospatial-processing
Applied AI Scientist
Ergebnisse aus Satellitendaten in eine Politik-Aufbereitung zu übersetzen, entspricht direkt der Arbeit von Applied AI Scientists in NGOs und öffentlichen Forschungsprogrammen.
Dieses Projekt schärft
- geospatial-processing
- remote-sensing
- reproducibility
Noch eine Sache