Ing. Ramin Zohouri

developing solutions for highly automated driving systems and driving assistant systems. specialized in machine learning and reinforcement learning.

Analyse großer Datenmengen, Umsetzung der Projekte von der Analyse bis zum Rollout,Entwicklung von innovativen und effizienten Algorithmen, kundenspezifischer Features sowie Business-Logik, mit dem Ziel geschäftsrelevante Erkenntnisse abzuleiten, Mitarbeit an Data Mining Projekten und im Bereich selbstlernende Software, Konzeption, Entwicklung sowie Umsetzung von Big Data Applikationen mit Echtzeitdatenströmen, Unterstützung im Bereich Predictive Analytics.

Neural Bots: In diesem Projekt werden Algorithmen aus dem Bereich des Deep-Reinforcement-Learning dazu verwendet, um Brain-controlled Prosthetics zu steuern. Durch Verwendung des EEG-Signals ist ein natürlicherer und genauerer Umgang mit den Prothesen möglich, als bei direkter Steuerung mit reinen Motorsignalen. Die Algorithmen passen die Bewegungen derart an, dass diese den Erwartungen der Versuchspersonen entsprechen

diesem Projekt geht es um die Automatisierung eines Güte-Testsystems für Solarzellen. Das System besteht aus einer Reinraum Kugelumlaufführung, einer Quellen- und Mess-Einheit, Lumineszenz Kamera und einem Vakuumventil. Dazu gehört die Entwicklung und die Implementierung eines dynamischen Kontroll-Interfaces zur Automatisierung der Güteprüfung, sowie die Umsetzung von Sicherheit-Constraints. Aufgaben sind die Programmierung von Seriellen Schnittstellen, schreiben von Wrappen für die Hardwaretreiber

In meine Masterarbeit verwendete ich Echo State Networks als Funktionsapproximatoren für den Q-learning Algorithmus, um Regelkreise mit Aktionsverzögerungen zu optimieren. Hierfür habe ich einen effektiven und effizienten Q-learning Algorithmus entworfen und implementiert (Echo State Fitted-Q Iteration).

Echtzeit Verfolgung der Visuellen Markierungen sowie Bewegungsabschätzung für einen autonomen Roboter. Einem Computer Vision Algorithmus, mit dem visuelle Markierungen in einer dynamischen Umgebung mit anderen Robotern, detektiert und aufgezeichnet werden. Im weiteren Verlauf, haben wir einen Quaternion Kalman-Filteralgorithmus zur Orientierungsschätzung unter Verwendung von IMU Sensoren implementiert und verwendet, um schnelle Bewegunsgänderungen des Roboters zu bestimmen.

Lernen mit Gehirn-Computer-Schnitstellen. Das Forschungsprojekt konzentrierte sich auf Gehirn- Computer-Schnittstellen Systeme und es bestand aus zwei Hauptphasen. Zum ersten, aus der Klassifizierung von positiven und negativen Ereignissen durch stimulierte Ereigniskorrelierte Potentiale. Und Zweitens, aus der Beeinflussung eines Roboters, der anhand von Gehirnströme (EEG) eine richtige Melodie spielen sollte.

Das Forschungsprojekt basiert auf der visuellen Überwachung und Manipulation von Objekten mit einem humanoiden Roboter Nao. Die Aufgabe des Roboters war es, ein Glockenspiel visuell zu verfolgen und anschließend mit einem Glockenschlägel ein von einer MIDI-Datei gegebenes Lied autonom nachzuspielen. Außerdem enstanden während des Projektes verschiedene Demonstrationen von Bewegungsabläufen, zum Beispiel: Treppensteigen, Dirrigieren eins Orchesters

Evaluation von Lern-Algorithmen zum Tracken von neuronalen Aktivitäten. In diesem Forschungsprojekt wurden neuronale Aktivitäten unter Verwendung von Algorithmen für maschinelles Lernen aufgezeichnet. Wir haben Spitzen von extrazellulären neuronalen Aufnahmen detektiert und damit eine Reihe von Funktionen für jeden Aufzeichnungskanal berechnet. Wir verwendeten verschiedene überwachte maschinelle Algorithmen, um Kanal-Aktivitäten zu identifizieren und verglichen sie mit verschiedenen Aufnahmen.

Red Hat Enterprise Linux 4 und Oracle 10g Datenbank-Administration, Erstellung und Änderung von PL-SQL gespeicherten Prozeduren, Pakete und SQL-Abfragen, die Entwicklung von Borland Delphi 7-Client-Server-Anwendungen, die Analyse von Finanzverfahren und Entwicklung von Modulen für Buchhaltungssoftware.

Ein Intensivkurs über Optimale Steuerung, in dem die theoretischen Hintergründe sowie das dazugehörige praktische Wissen über numerische Methoden vermittelt wurde.

Studium der Robotik, Maschinelles Lernen, Computer Vision, künstliche Intelligenz, Notendurchschnitt 2.0.

Software-Entwicklung, Notendurchschnitt 2.0.