• ein Verfahren entwickeln, das Ground-Truth-Labels mit fotografierten oder gescannten Handschriften vergleicht, um Inkonsistenzen zu identifizieren und die Trainingsdatenqualität zu verbessern.
• dabei moderne OCR-Technologien (Optical Character Recognition) einsetzen, um handschriftliche Inhalte zu analysieren und mit den Sensordaten abzugleichen.
• zusätzliche Ground-Truth-Daten durch Fotos oder Scans handschriftlicher Texte sammeln.
• vortrainierte OCR-Modelle zur Segmentierung, Texterkennung und Bounding-Box-Detektion anwenden und ggf. anpassen.
• ein automatisiertes Vergleichsmodul zur Erkennung von Abweichungen zwischen erkannter Schrift und Ground-Truth-Labels entwickeln.
• typische Fehlerquellen identifizieren, wie: Rechtschreibfehler; ausgelassene Buchstaben oder Satzzeichen; unleserliche Handschrift, die für das Training ungeeignet ist.
• die Qualitätsverbesserung durch die bereinigten Trainingsdaten bewerten.

• Kenntnisse und Erfahrungen in Deep Learning in PyTorch mitbringst.
• Interesse an Handschrifterkennung und Zeitreihenanalyse hast.
• Deutschkenntnisse zur Unterstützung bei der Datenerhebung mitbringst.

Unsere STABILO-verliebte Marion freut sich schon auf deine Unterlagen. Sag ihr auch gleich noch, wann du bei uns anfangen kannst und wie lange du bleiben möchtest. Wir sind gespannt auf dich!