Yassine Sadek

• Segmentierungsannotation mit Label Studio (Polygone, Kla ssifizierung)• Aufbau einer REST-API + Datenbank zur Verwaltung von Trainingsdaten • Modell-Deployment mit MLflow • Entwicklung eines Streamlit-Analyse-Tools zur Auswertung komplexer System- und Logdateien

Entwicklung eines Echtzeit-Tracking-Systems für industrielle Behältererkennung auf Basis von Deep Learning. • Datenaufzeichnung, Annotation und Aufbau von Trainingspipelines • Training eines Objektdetektionsmodells mit PyTorch + YOLO • Optimierung und Deployment mit TensorRT und ONNX • Integration in bestehende Softwareinfrastruktur

Optimierung von Antriebssystemen für Industriemaschinen. Solide Grundlage in Regelungstechnik, Leistungselektronik und industriellen Steuerungssystemen.

– Analyse und Optimierung des Rotorsicherungssystems. – Weiterentwicklung der Leistungseffizienz der Zentralgasturbine im thermischen Kraftwerk. – Implementierung eines Mark 6e-Steuerungsprogramms von General Electric.

Abschluss mit Bachelorarbeit über Deep-Learning-basierte Behälterverfolgung bei HEUFT Systemtechnik GmbH. Schwerpunkte: Softwareentwicklung, KI, Datenbanken, Mobile Development.

Solide Grundlage in Regelungstechnik, Leistungselektronik und industriellen Steuerungssystemen.

Grundstudium in Elektronik, Elektrotechnik und Automatisierung.