Sidrameshwar SD

Thema : "Orchestrierung der End-to-End Maschine Learning-Lebenszyklus für 5G und darüber hinaus Netzwerke in der Kommunikations- Szenario" 1. Durch die Verwendung von 5G-Netzarchitekturen zur Generierung von Verkehrsdaten durch Testmethoden wie Ping-Tests und Netzsondierungen. 2. Die gesammelten Daten werden mit Deep Learning, d. h. mit Zeitreihenmodellen wie RNN, LSTM, ResNet und Transformers. 3. Die trainierten Modelle werden mit Hilfe von DagsHub, dem MlOps-Tool (MlFlow) und APIs implementiert.

1. Durchführung gründlicher Testverfahren für installierte Solarmodule, um die ordnungsgemäße Funktionalität und Leistung zu überprüfen. 2. Verwendung einer speziellen App, die über elektronische Geräte zugänglich ist, um die Installation und den Betrieb der elektronischen Komponenten zu überprüfen. 3. die Verwendung von mit dem Internet verbundenen Geräten zur Fernüberwachung der installierten Solarmodule, um die Leistung in Echtzeit zu verfolgen und auftretende Fehler zu erkennen.

- Aufbau von 5G-Netzarchitekturen zur Generierung und Erfassung von Netzverkehrsdaten durch Erstellung von Testfällen für den Netzverkehr zur Generierung der 5G-Daten.

Entwicklung von Tools und Erstellung einer robusten Testumgebung zur Analyse und Visualisierung der Übertragungseffizienz. 1. die Testfälle werden mit MATLAB/Simulink durchgeführt. 2. Analyse und Visualisierung der Ergebnisse und Erstellung eines Konzepts zur Übertragung der Visualisierung in die Werkzeugumgebung. 3. Erstellung einer robusten Testumgebung. 4. die verwendeten Werkzeuge sind MATLAB/Simulink.

Thema : "Angewandte Datenwissenschaft - COVID 19 Datenanalyse" - Visualisierung des Dashboard-Prototyps von Covid-19 für verschiedene Länder. - Entwicklung und Implementierung des SIR-Modell-Dashboards unter Verwendung verschiedener Python-Bibliotheken.

Thema : Optimierung des Kraftstoffverbrauchs von Hybrid Elektrofahrzeugen Design und Entwicklung von Mild-Hybrid-Elektrofahrzeugen zur Reduzierung des Kraftstoffverbrauchs (für den NEDC in der EU und den FTP75 in den USA) (MATLAB/Simulink ).

- Automotive Production - Autonomous Mobile Robots - Automotive Software Engineering - BUS Systems - Structural Analysis and Modelling-Vehicle Vibrations - Electric and Hybrid Vehicles - Electromobility - Data Science - Machine Learning