Szenenverständnis-Benchmark für ein Autonomes-Fahren-Team
Übersicht
Worum es bei diesem Projekt geht.
Vergleiche drei VLMs auf 800 Kameraframes, analysiere Latenz und Edge-Cases – erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Zulieferer (rund 4.500 Mitarbeitende, Wahrnehmungs-Sparte etwa 220 Personen) beliefert deutsche OEMs mit ADAS-Komponenten; ein VLM-basierter Beschreibungs-Layer ist als Eingabe für das nachgelagerte Sicherheits-Argumentations-Modul geplant.
Das Briefing
Was Du tust und was Du zeigst.
Empfehle das Vision-Language-Modell mit dem besten Trade-off zwischen Szenenverständnis-Qualität, Latenz auf NVIDIA Orin und Sicherheits-Edge-Case-Verhalten für DACH-Straßen-Szenen.
Earning criteria — what you'll demonstrate
- Vision-Language-Modelle hinsichtlich Beschreibungs-Qualität und Halluzinations-Risiko vergleichen
- Latenz-Profile auf Edge-Hardware für Wahrnehmungs-Pipelines erstellen
- Sicherheits-Edge-Cases systematisch als Bewertungskriterium verankern
- Architektur-Empfehlungen gegenüber Wahrnehmungs-Engineering verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Visual Intelligence and Visual Reasoning
Master · Computer Vision
Strong alignment
This challenge maps to Visual Intelligence and Visual Reasoning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Vision Language Models
Apply vision language models to solve real industry problems and demonstrate production-level capability.
- Scene Understanding
Apply scene understanding to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation 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.
- Benchmarking
Apply benchmarking to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch 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
VLM-Benchmarks mit Edge-Deployment-Profilen sind die typische Quartalsarbeit im Wahrnehmungs-Team eines Automobil-Zulieferers — diese Challenge liefert ein End-to-End-Artefakt für Interviews mit ADAS-Teams.
Dieses Projekt schärft
- vision-language-models
- scene-understanding
- edge-deployment
Maschinelles-Lernen-Ingenieur:in
Reproduzierbarer Benchmark-Harness und Hardware-Profilierung sind die Disziplin, die MLEs in Plattform-Teams jede Woche ausüben müssen.
Dieses Projekt schärft
- benchmarking
- model-evaluation
- pytorch
MLOps-Ingenieur:in
Edge-Latenz, Speicher-Footprint und reproduzierbare Eval-Pipelines bilden den Kern der MLOps-Arbeit in Wahrnehmungs-Stacks für autonomes Fahren.
Dieses Projekt schärft
- edge-deployment
- benchmarking
- model-evaluation
Noch eine Sache