Niklas Flindt

Verantworlicher für die Weiterentwicklung des Bereiches Algorithmenentwicklung/Data Science in der Ultraschall-Rissprüfung. - Entwicklung von Prototypensoftware in Python 3.7 - Durchführung von Machbarkeitsstudien. - Expertenstatus in der Ultraschall-Rissprüfung - Teammitglied in zahlreichen Entwicklungsprojekten. Verwendete Python Bilbiotheken: Numpy, SciPy, Matplotlib, Seaborn, Pandas, SciKit-Learn, Bokeh,

Entwicklung technologiespezifischer algorithmischer Loesungen im Bereich Ultraschall-Risspruefung. Implementierung von Python Prototypen mit Python 2.7. Teammitglied in zahlreichen Projekten. Verwendete Python Bilbiotheken: Numpy, SciPy, Matplotlib, Seaborn, Pandas, SciKit-Learn

Entwicklung eines automatischen Klassifikators zur Detektion und Segmentierung von Drusen in Fundusbildern (Netzhautbildern) auf Pixel und Bildebene. Dabei wurden zahlreiche eigene Feature (Eigenschaften) der zu detektierenden Drusen herausgearbeitet unter Verwendung von u.a. Gaussian Filtering, Color Filtering, Mexican Hat Filter. Verwendete Werkzeuge: MatLab, AdaBoost Klassifikator

Untersuchung von Bildkompressionsalgorithmen zur Rekonstruktion von unterabgetasteten digitalen Bildern mittels Compressed Sensing. Programmiersprache: MatLab

Untersuchung von Verbindungsmodellen zwischen Eingangs- und versteckter Schicht der Extreme Learning Machine (ELM) als Modell für das Geruchsorgan von Insekten.

Maschinelles Lernen und Computer Vision in der Anwendung in der Medizin und Lebenswissenschaften. Bildgebende Verfahren wie MRI (Magnetic Resonance Tomography) und CT (Computed Tomography). Abschlussnote: 1.8

Anwendung von Mathematik in der Biologie und Medizin. Bildgebende Systeme wie MRT, CT und Ultraschall. Statistische Verfahren, Mustererkennung. Anwendung von MatLab.