Satellitenbild-Klassifikation für eine Klima-NGO in Hamburg
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 1.500 vorlabelte Sentinel-2-Patches (jeweils 256x256 Pixel) aus drei Bundesländern (Niedersachsen, Mecklenburg-Vorpommern, Schleswig-Holstein) mit drei Klassen plus eine Vor-Ort-Validierungsmenge von 80 Patches. Trainiere ein U-Net mit Multispektral-Eingang (10 Sentinel-2-Bänder), evaluiere auf der Vor-Ort-Menge und liefere eine Sensitivitätsanalyse zu Saisonalität (Frühling vs. Herbst). Erzeuge eine GeoTIFF-Ausgabe für drei Beispielregionen und ein klares Lese-Layout für die Politik-Adressaten der NGO. Die Pipeline und der Bericht müssen Open Source sein.
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.
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