Masterabschlussarbeit Deep Learning

• Konzeptionieren und Implementieren von effizienten Birds Eye View (BEV) basierten Segmentierungs- und Planungsmodellen für das autonome Fahren
• Erstellen von robusten Deep-Learning-Architekturen, die in der Lage sind, hochauflösende Bilder zu verarbeiten und so die Vorhersageleistung von BEV-Wahrnehmungsmodellen zu verbessern
• Identifizieren und Beheben von Leistungsengpässen in der aktuellen BEV-Forschung, um die Grenzen der BEV-basierten Wahrnehmung für autonome Anwendungen zu erweitern
• Optimieren von Hyperparametern und Netzwerkarchitekturen mit verschiedenen Optimierungsalgorithmen
• Dokumentieren und Präsentieren der Ergebnisse

• Masterstudierende in Data Science, Computer Science, Computational Science, Mathematik oder einem vergleichbaren Studiengang
• Sehr gute bis gute akademische Leistungen
• Ausgeprägte Fähigkeit, Forschungsarbeiten innerhalb von BEV und verwandten Bereichen zu verstehen, zu analysieren und zu präsentieren
• Kenntnisse im Umgang mit PyTorch, CUDA und anderen relevanten Deep-Learning-Frameworks
• Ausgeprägte Programmierkenntnisse in Python und/oder C# mit Erfahrung in CI/CD-Pipelines zur Optimierung der Entwicklung
• Fähigkeit, in ein wissenschaftliches Thema einzutauchen und selbstständig daran zu arbeiten
• Bisherige Forschungserfahrungen im Bereich der BEV-Wahrnehmung und 3D Computer Vision sind von Vorteil
• Deutsch und Englisch Sprachniveau B2

Bisherige Forschungserfahrungen im Bereich der BEV-Wahrnehmung und 3D Computer Vision

Mobiles Arbeiten bis zu 40%