fresnel kenfack tegoufo

->Technische Betreuung und Fehleranalyse von Steuergeräten für BMW mit einer nachweislichen Reduzierung der Fehlerquote um 30% während der Projektlaufzeit ->Entwicklung und Aufbau von Prüfkabeln, die die Prüfzeit für bestimmte Module um bis zu 20 % verkürzen ->Projektkoordination mit Schwerpunkt auf der Einhaltung von Meilensteinen und reibungsloser Kommunikation zwischen Kunde und Lieferant ->Implementierung von Software-Flash und Diagnose mit CANoe, E-SYS, Jira Einsatz in mehr als 15 Serienprojekten

-Optimierung bestehender Softwarelösungen für erhöhte Effizienz -Zusammenarbeit mit internationalen Teams zur Erreichung von Projektzielen -Sicherstellung der Qualitätsstandards durch automatisierte Tests

-Zusammenarbeit mit erfahrenen Entwicklern bei der Umsetzung von innovativen Projekten -Forschung und Erstellung von technischer Dokumentation und Präsentationen eines Lidar-Sensors zur Personenerkennung.

- Trainingsdaten Labeln und Darknet Installation einrichten (Opencv, Cmake, Visual Studio 2015) -Implementierung von YOLOV3 und Transfer-Learning-Anwendung -Zusammenarbeit mit erfahrenen Entwicklern bei der Umsetzung praktische Echtzeitsysteme mit Hilfe von Kuka Roboter auf einer Laufbahn. Tools: Opencv, Cmake, Visual Studio 2015

Schwerpunkt: Robotik, Sensorik und Messtechnik, Controlling, KI Thema: Entwicklung und Implementierung eines intelligenten Kamerasystems zur Objektdetektion mittels Deep Learning und Signalisierung von Anomalien durch RGB-LEDs und akustische Hinweise.

Microcontroller- Projekt: -Programmierung von Sensoren ( Neigungssensor, Ultraschallsensormodul usw...) - Versuch Durchführung mit passive und aktive Buzzer -RGB Color LED mit PWM Steuerung

Studienfach : /Neuronale Netze/ Deep Learning & Computer Vision: Implementierung von neuronalen Netzen, Lineare Regression, Logistische Regression mit Matrizen, MNIST, Backpropagation, neuronales Netz trainieren, Lernkurve plotten, Underfitting oder Overfitting, Netz optimieren

Studienprojekt Thema: Entwicklung eines neuronalen Netzes von Gegenständen mittels Objekt Detektion und Transfer Learning unter Verwendung TensorFlow und Keras • Vorbereitung des Datasets (Labelmg) • Transfer-Learning und Training mit Hilfe von RetinaNet • Evaluieren, Vorhersagen und Testen Tools: Tensorflow, Keras, Python, Retinanet

Studienprojekt „Briefwaage“ • Elektronik der Waage • Erstellung von CAD-Modellen • Programmcode und Eichung der Waage • Test und Messfehlerbetrachtung Tools: Arduino, Siemens NX 12, Fritzing

Studienprojekt „Simulation eines E-Fahrzeug“ • Simulation der Kritischen Beschleunigung, Geschwindigkeit und Reichweite von Audi e-Tron 55 • Optimierung von Motorkennlinie und Ergebnisvergleich mit den Werten des Herstellers Tools: Matlab/ Matlab-Simulink

Thema: Entwicklung eines Intelligenten Systems zur Fahrzeugerkennung und Trajektorien Verfolgung in Straßenverkehrsszenen unter Verwendung von Deep Learning