Saeed Aram

Optimierung eingebetteter KI-Systeme: • Portierung sowie Optimierung eines YOLO-basierten KI‐Modells auf NVIDIA Jetson Orin Nano zur lokalisierung eines sich bewegenden Zuges • Reduktion der Inferenzzeiten und Steigerung der Genauigkeit durch eine innovative Bildteilungstechnik zur parallelen Verarbeitung hochauflösender Kamerabilder • Forschung im Bereich Explainable AI, um Modellentscheidungen in sicherheitskritischen Anwendungen transparent zu machen und potenzielle Fehler vorherzusagen

Python-basierte KI-Programmierung: • Forschung über XAI und vertrauenswertige KI • Forschung über Klassenverteilung und Ensemble-Learning • Bildverarbeitung

Integration & Testing: Python/C++ (Releases, Tooling) | Prototypische Regelstrecke zur Geschwindigkeitsregelung auf kartenbasierten Streckenprofilen | Referenzkamera an Fahrzeugmesstechnik angebunden | Werkzeuge für Laufzeit-/Performanceanalyse von ADAS-Software weiterentwickelt | Laufzeitanalysen mit GLIWA & Lauterbach (TRACE32) | HIL-Prüfstände betreut | Automatisierung: ADTF, Lauterbach, GLIWA, Jenkins, Conan.

Embedded-Programmierung & Teststand-Aufbau: WLAN-Mehrzweck-PCB mit ESP32+FPGA zur Automatisierung von HV-Versuchen (C++/VHDL). Mesh-Netz mit 10 ESP32 via ESP-IDF für Echtzeit-Sensordatenerfassung (C/C++). Ausbau eines HV-Teststands: Synchronisation von LCR-Meter & HV-Quelle über ESP32, LabVIEW-GUI (LINXESP32). Universelles Programm für Doppelimpuls/Stoßstrom, HV-Quellen-Steuerung, 4-Kanal-Pulsmuster (LabVIEW). Interface-PCB zwischen NI-6221-PCI und HV-Quelle (Eagle).

Abschlussnote: 1,2 Schwerpunkte: Embedded Software-Entwicklung, Computer Vision, Machine Learning