Simulationsbasierte Bayes'sche Inferenz für Sensor-Kalibrierung
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Posterior-Modell für Sensor-Kalibrierung, validiere mit Coverage-Tests und erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Sensorhersteller hat etwa 320 Mitarbeitende, fertigt vorwiegend im Werk im Raum Erlangen-Nürnberg und liefert an Automotive- und Aerospace-Kunden in Europa und Nordamerika. Die Kalibrierungszeit pro Sensor ist heute der Engpass in der Endmontage.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig liefert simulationsbasierte Bayes'sche Inferenz die Posteriori-Verteilung der Sensorparameter, und reichen die Unsicherheitsbänder für eine Werks-Kalibrierung aus?
Earning criteria — what you'll demonstrate
- Bayes'sche Inferenz auf simulationsbasierte Probleme mit Normalizing Flows anwenden
- Posterior-Coverage und Predictive-Checks als zentrale Validierungswerkzeuge nutzen
- Trade-Off zwischen Trainingszeit, Inferenzzeit und Posterior-Treue ehrlich darstellen
- Ergebnisse einer probabilistischen Methode für ein nicht-probabilistisches Publikum (Fertigung) übersetzen
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.
- Simulation Based Inference
Apply simulation based inference to solve real industry problems and demonstrate production-level capability.
- Normalizing Flows
Apply normalizing flows to solve real industry problems and demonstrate production-level capability.
- Bayesian Inference
Apply bayesian inference to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Uncertainty Quantification
Apply uncertainty quantification to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Validation Design
Apply validation design 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.
ML Researcher
Simulation-Based Inference ist ein modernes Forschungsfeld; die Challenge übt die zentralen Praktiken: Posterior-Schätzung, Coverage-Tests und Diskussion der Limitierungen.
Dieses Projekt schärft
- simulation-based-inference
- normalizing-flows
- bayesian-inference
Applied AI Scientist
Applied AI Scientists in der Messtechnik übersetzen probabilistische Verfahren in produktionsreife Pipelines — exakt die Brücke, die hier von der Trainings-Pipeline bis zur Fertigungs-Empfehlung gespannt wird.
Dieses Projekt schärft
- uncertainty-quantification
- pytorch
- validation-design
Research Scientist
Bayes'sche Inferenz mit ehrlicher Coverage-Analyse und Vergleich gegen klassische Optimierungsverfahren ist klassische Research-Scientist-Arbeit in industriellen Forschungslaboren.
Dieses Projekt schärft
- bayesian-inference
- uncertainty-quantification
- validation-design
Noch eine Sache