Nasim Fard

Applied AI/ML & Automotive Software für industrielle Anwendungen. Entwicklung und Integration eines AI-basierten Querreglers für autonome Trajektorienführung; standardisierte AI/ML-Datenschicht für Training & Serving; Deep-Learning-Ansätze für virtuelle Sensoren; Betreuung studentischer AI-Arbeiten; Entwicklung von Hoch- und Mittelspannungsfunktionen für Elektrofahrzeuge von Anforderungen und Design bis Implementierung, Testing und Dokumentation.

Product Owner für eine produktiv eingesetzte Computer-Vision-Lösung zur automatisierten Analyse von Leiterplatten für Kostenschätzung und Qualitätsprüfung. • Verantwortung für Produktumfang, Anforderungen und Priorisierung der Funktionen zur Erkennung von Leiterplattenkomponenten und zugehörigen Beschriftungen. • Koordination der bereichsübergreifenden Umsetzung über die Computer-Vision-Komponenten und das ML-Backend bis hin zur SAP-BTP-Mobile-App und einem Apache-basierten Web-Frontend. • Begleitung der In

Entwicklung von Software- und Fahrzeugfunktionen für AI/ML- und Automotive-Anwendungen. • Mitarbeit an AI- und Machine-Learning-Lösungen für virtuelle Sensoren, Fahrzustandsbeobachtung und automatisiertes Fahren. • Entwicklung und Integration softwarebasierter Fahrzeugfunktionen unter Berücksichtigung technischer Anforderungen und Systemgrenzen. • Durchführung des vollständigen Entwicklungsprozesses von der Anforderungsanalyse über Design und Implementierung bis zu Test, Absicherung und Dokumentation.

• Entwicklung von Single- und Multi-Agent-Systemen auf Basis von Deep Reinforcement Learning zur automatisierten Steuerung von Fahrzeugen und Lichtsignalanlagen.

• Entwicklung eines Modells zur Vorhersage der Fahrzeuggeschwindigkeit auf Basis fahrzeuginterner Audioaufnahmen unter Einsatz rekurrenter neuronaler Netze.

• Erstellung der Masterarbeit im Bereich visionbasierter Objekterkennung und Objektverfolgung für Anwendungen des autonomen Fahrens.

• Entwicklung eines Computer-Vision-basierten Tools zur Automatisierung von Prozessen in der Fahrzeugsitzproduktion. • Entwicklung einer grafischen Benutzeroberfläche für die Anwendung.

• Entwicklung eines End-to-End-Modells zur Spracherkennung auf Basis rekurrenter neuronaler Netze und Attention-Mechanismen.

• Entwicklung eines automatisierten Verfahrens zur Ermittlung geeigneter Standorte für Ladestationen von Elektrofahrzeugen.

• Entwicklung einer Software zur inhaltsbasierten Bildsuche und Evaluation unterschiedlicher Modellkonfigurationen. • Umsetzung von Verfahren zur Dimensionsreduktion, Merkmalsrepräsentation und Klassifikation, darunter PCA, Gaussian Mixture Models, Support Vector Machines, Bag of Visual Words und Fisher Vectors.