Christian Haase-Schütz

Active Learning Video Perception Automated Driving

Thesis: Deep Learning based, Semi-automatic Labelling System for Multi-modal Automotive Sensor Data Methoden: Keras, Tensorflow, Pytorch, Python, Git, Docker

- Simulation eines künstlichen Neuronalen Netzes (C/C++) - Statistische Auswertung der Daten und Visualisierung (Python)

- Erweiterung der Fachinfocenter mit Methoden- und Prozessdokumentation (html, php, Python) - Ausbau eines internen CAE-Web-Portals - Unterstützung bei der Migration einer Linux-Umgebung aus Servern und Workstations (SuSe Linux Enterprise) - Neuprogrammierung und Anpassung von Linux-Skripten (Python und Bash) - Tool-Verbesserungen bei Standardwerkzeugen in der CAE-Welt (Makros unter Linux)

- Aufbereitung und Übersetzung von Vorlesungsunterlagen zur Vorlesung „Introduction to Computational Physics and Numeric Methods“ - Organisatorische und unterstützende Aufgaben vor und während der Konferenz „Jam Packed 2014“ - Selbstverantwortliche Erstellung und Bearbeitung der zugehörigen Abstraktbooklets für die Konferenzen 'Geometry and Physics of Spatial Random Systems' (2015, Bad Herrenalb) sowie 'Shape Up: Materials Geometry and Topology' (2015, Berlin) Methoden: Latex, Git

Konzeptionierung und Implementierung einer Simulationsmodell-Architektur für den Test von Fahrerassistenz-Steuergeräten und Aufbau eines Demonstrators inklusive 3D-Visualisierung sowie Inbetriebnahme eines Hardware-in-the-Loop-Testsystems Methoden: Matlab, C++

Betreuung einer Übungsgruppe von ca. 20 Studenten der Physik und Elektrotechnik

„Permittivity of an inhomogeneous dipolar lattice fluid“ - Monte-Carlo-Simulation (C++) - Dichtefunktionaltheorie

Stipendium Fond Hochschule International Vorlesungen in Künstlicher Intelligenz, Java, Computer Grafik

Informatik, Komplexe Systeme, theoretisch & experimentelle Physik

Mathematik, Computer Physik, experimentelle & theoretische Physik