Chen Xin

- Entwicklung einer automatisierten Objekterkennungspipeline von der Datenerfassung bis zur Modellauslieferung, die die Average Precision um das 13-fache steigerte, ohne manuelles Labeling, unter Einsatz von LLMs, Text-zu-Bild-Generierung, Open-Vocabulary und Echtzeit-Objekterkennung.. - Implementiertierung einer Deep-Learning-Lösung zur Positionsbestimmung von Zylindern mit komplexwertigen CNNs und Frequenzkodierung, was den Vorhersagefehler um das 12-fache gegenüber traditionellen Modellen reduzierte.

Note: 1,0 Thema: Erkennung von Lichtsignalen aus Videodaten unter Verwendung von Deep Learning basierten Ansätzen • Analyse der modernen Deep Learning Theorie und Architekturen • Vergleich traditioneller und moderner Computer Vision Technologien • Entwicklung von Deep-Learning-basierten Objekterkennungsansätzen • Implementierung zur Ampelerkennung basierend auf Videodaten

• Machine-Learning-basierte Reichweitenprädiktion für Elektrofahrzeuge • Durchführung von Simulationsstudien für Elektrofahrzeuge • Data Mining und Analyse basierend auf Simulationsergebnissen • Sensitivitätsanalysen unter Variation der Fahrzeugparameter

• Technische Unterstützung für die Entwicklung von Differenzialgetriebe • Durchführung und Dokumentation von Werksinspektionen

- Zusammenarbeit mit einem Team von 5 Entwicklern bei der Durchführung von Unit-Tests und Debugging, was zu einer Reduktion der Absturzrate um 25 \% bei einer Android-App für Ladelösungen von Elektrofahrzeugen führte.

Note: 1,3 Spezialisierungsfächer: Automatisiertes und vernetztes Fahren (Machine Learning, Detection and Pattern Recognition), Kraftfahrzeugmechatronik (Embedded Controller und Datennetze in Fahrzeugen, Elektrische Signalverarbeitung)

Höhere Mathematik Lineare Algebra Wahrscheinlichkeitstheorie Regelungstechnik Elektrotechnik Powertrain Fahrwerk Fahrdynamik