Pajam Atufi

Abschluss: Master, Technische Universität Chemnitz
Chemnitz, Deutschland

Fähigkeiten und Kenntnisse

Deep Learning
Data Science
Machine learning
Mathematical Modeling
Programming
Künstliche Intelligenz
Nonlinear Dynamics
Artificial intelligence
Control Systems
Mathematical optimization
Robotik
Robotics
Physics
MatLab
Matlab-Programmierung
Programmierung in Matlab
Linear algebra
Python
Python-Programmierung
Python Programmierung
Object Oriented Programming
System Control
C++
Mathematische Modellierung
Image processing
Bildverarbeitung
Mathematische Optimierung
Systemsteuerung
Programmierung
Machine Learning
Mathematical optimisation
Programming language
PyTorch
TensorFlow
scikit-learn
Dashboards

Werdegang

Berufserfahrung von Pajam Atufi

  • Bis heute 3 Jahre und 8 Monate, seit Apr. 2022

    Wissenschaftlicher Mitarbeiter

    Technische Universitaet Chemnitz

    Feature extraction using unsupervised learning and relational inference. Applying deep learning methods on air sensor data.

  • 3 Jahre und 3 Monate, Jan. 2019 - März 2022

    Wissenschaftlicher Mitarbeiter

    Technische Universitaet Chemnitz

    Geometric Deep Learning on 3D data. Feature Extraction from 3D data representations, e.g. Point Cloud, and Triangular Meshes.

  • 6 Monate, Juli 2018 - Dez. 2018

    Research assistant

    TU Chemnitz

    DE: Entwicklung eines Computermodells der Basalganglien auf Basis von DeepFACS EN: Developing a computational model of Basal Ganglia, including DeepFACS.

  • 4 Monate, Okt. 2017 - Jan. 2018

    Research assistant

    TU Chemnitz

    DE: Arbeit an der Entwicklung eines internen Modells des Cerebellums (also Vorwärts- sowie Inversmodells) zur Steuerung von Roboterarmen. EN: Developed a model of the cerebellum to control the arms of a robot, to develop both a forward- and inverse model of the cerebellum’s inherent internal model.

  • 2 Monate, Nov. 2016 - Dez. 2016

    Student Assistant

    TU Chemnitz

    DE: Entwicklung eines nicht-linearen Controllers und einer Simulationsumgebung für Path Planning und Trajectory Planning eines Two-Link Planar Arm in MATLAB. EN: Designed and created a nonlinear controller and a simulation environment in MATLAB, for "Path Planning" and "Trajectory Planning" of a two link planar arm.

  • 2 Monate, Juni 2016 - Juli 2016

    Exhibitor

    Robo-Cup 2016

    DE: auf dem Robo-Cup in Leipzig, am „ZUKUNFT“-Stand des sächsischen Staatsministeriums für Wirtschaft, Arbeit und Verkehr. EN: was invited to present the results of my work regarding Artificial Intelligence in Robotics – robot drawing.

  • 7 Monate, Nov. 2013 - Mai 2014

    Student Assistant

    TU Chemnitz

    DE: Entwicklung einer nummerischen Modellierung auf Basis der Mohr-Coulombschen, Mises- und Drucker-Prager-Kriterien, um das Verhalten von Formgedächtnislegierungen mit Fortran in Abaqus zu simulieren. EN: Developed numerical models based on Mohr-Coulomb, Von Mises, and Drucker Prager criteria to simulate the behavior of SMA (Shape Memory Alloy) NiTi using Fortran in Abaqus.

  • 2 Jahre und 1 Monat, Feb. 2011 - Feb. 2013

    Graduate Teaching Assistant

    Amirkabir University of Technology

    DE: Lehrassistent für "Lineare Algebra" und "Moderne Kontrolle" bei Professor Masoud Shafiee. EN: Teaching Assistant of Professor Masoud Shafiee for: - Linear Algebra - System Control (Modern Control)

Ausbildung von Pajam Atufi

  • Bis heute 8 Jahre und 8 Monate, seit Apr. 2017

    Artificial intelligence

    TU Chemnitz

  • 4 Jahre, Apr. 2013 - März 2017

    Computational science

    Technische Universität Chemnitz

    Computational Neuroscience

  • 5 Jahre und 1 Monat, Sep. 2006 - Sep. 2011

    Electrical Engineering

    Amirkabir University of Technology

    Control System Modern Control Linear Algebra Neural Network

Sprachen

  • Englisch

    Fließend

  • Deutsch

    Gut

XING – Das Jobs-Netzwerk

  • Über eine Million Jobs

    Entdecke mit XING genau den Job, der wirklich zu Dir passt.

  • Persönliche Job-Angebote

    Lass Dich finden von Arbeitgebern und über 20.000 Recruiter·innen.

  • 21 Mio. Mitglieder

    Knüpf neue Kontakte und erhalte Impulse für ein besseres Job-Leben.

  • Kostenlos profitieren

    Schon als Basis-Mitglied kannst Du Deine Job-Suche deutlich optimieren.

21 Mio. XING Mitglieder, von A bis Z