Ronakkumar Gajera

Datenanalysen und Varianzberechnungen von Daten auf der Grundlage der Batteriekapazität und ihres potenziellen Ausfalls in Lebenszyklen. • Datenreduktionsmodell für IoT-Netzwerke. Dokumentation der Analyse und der wichtigsten Erkenntnisse aus den Daten. Anomalien, Rauschunterdrückung und Statistik-Implementierung für maschinelle Lernmodelle. • Prädiktive Wartung mit linearer Regressionsmodellierung zur Verbesserung der Batterielebensdauer auf der minimaler Daten.

Forschung über Batteriedaten und ihre Eigenschaften. Datenbereinigung, Freizeitaktivitäten, Forschung über Datenreduktionsmodelle und Anwendungsfälle für Iot-Geräte. Implementierung von maschinellen Lernmodellen auf Rohdaten und Schlüsselergebnisse für zukünftige Verbesserungen.

Fehlererkennung in unausgewogenen Datensätzen. Transferlernen und Zufallsstichprobenverfahren zum Trainieren von Deep-Learning-Modellen. Bootstraping und parallele oder sequenzielle Modellimplementierung nach Vorhersageprüfung.

Anwendungsentwicklung mit Kivy zur Vorhersage von menschenbezogenem Verhalten am Arbeitsplatz. Das Lernmodell wird auf dem Raspberry Pi implementiert, um das Profil anhand von Open-Source-Daten zu erstellen und gestützt auf Gestenerkennung mit kinetischen und Ultraschallsensoren. Die Datenerfassung von Beschleunigungsmesser und Gyroskop von iOS wird genutzt, um ein KI-Modell zu entwickeln.

Roboterbahnplanung und Beschreibung der Anatomie des Produkts auf dem Förderband in einem kleinen Produktionsbereich. Automatische Eimererkennung und Entnahme des Produkts von dort zur Versandstelle.

Maschinelles Lernen und Deep-Learning-Technologie (Datenanalyse, Modellentwicklungen, Architektur neuronaler Netze) Sensorentwicklung und Datenerfassung eingebettetes System(Mikrocontroller-Architektur, IoT Device, Sensor System)

Mikrocontroller und eingebettete Systeme Kommunikationsnetze (Bluetooth, LAN) Steuerungssysteme, Electroniks