Balaji Gobinathan

Domain Adaptation of Lidar Point clouds using Neural Networks. Domain Adaptation using Semantic Segmentation of lidar Point clouds using Generative Adversarial Networks. Professional Experience in Docker.

Multi Object Detection und Tracking mit Deep Neural Networks. Erkennen Sie Fußgänger mithilfe von Netzwerken wie ResNet50, RNN und Siamese RPN. Verwenden Sie andere Methoden wie Kalman-Filter und Ungarischer Algorithmus für die Objektverfolgung Verwenden Sie Python mit dem Pytorch-Framework und Bibliotheken wie Numpy und fastai

Matlab simulation of Vehicle Behaviour.

Tata Consultancy Services Limited, Indien • Fast 3 Jahre Arbeitskenntnisse in SQL und Big Data (Hive, Hadoop und Spark) Projekt Kundendienst-Schnittstelle – Metcash Ladengeschäft, Australien • Arbeitskenntnisse in Relational Databases und HDFS • Mit SQL Daten in eine Umgebung laden • Apache Hive wird verwendet, um Kundendaten in eine HDFS-Umgebung zu laden • Dies hilft dem Kunden, das Verkaufsmuster des Geschäfts zu kennen

• Kurs umfasst Maschinelles lernen, künstliche Intelligenz für Fahrzeugsysteme, Sensorik und Signalverarbeitung, Integrierte Sicherheits- und Fahrerassistenzsysteme. • Gute Kenntnisse in Begriffen wie Deep Neuronales Netzwerk, Mustererkennung, Klassifikation, Regression. Fertig 3 Projekte

Kurs umfasst Übertragungssysteme, Thermodynamische Systeme, Strömungsmechanik. Akademisches Projekt Automatischer Fußreiniger Entwicklung eines automatischen Fußreinigers mit Hilfe von Arduino UNO R3, Infrarotsensoren, Pumpen und Bürsten