Computer Vision Engineer werden

Computer Vision (CV) ist ein Bereich der künstlichen Intelligenz, in dem Computer trainiert werden, die visuelle Welt zu interpretieren und zu verstehen. Die Technologie funktioniert ähnlich wie das menschliche Sehvermögen, allerdings mit einigen bemerkenswerten Unterschieden: Der Mensch hat ein Leben lang Kontext, um zu lernen, wie er Objekte unterscheiden kann, wie weit sie entfernt sind, ob sie sich bewegen und ob etwas mit einem Bild nicht stimmt.

Dank der Fortschritte im Bereich der künstlichen Intelligenz und der Innovationen im Bereich des Deep Learning und der neuronalen Netze konnte dieser Bereich in den letzten Jahren große Sprünge machen und den Menschen bei einigen Aufgaben im Zusammenhang mit der Erkennung und Kennzeichnung von Objekten übertreffen.

CV ermöglicht praxisnahe Lösungen für Branchen wie die medizinische Industrie, wo es für Diagnosezwecke äußerst nützlich ist. Der Nutzen von CV erstreckt sich aber auch auf zahlreiche andere Anwendungen wie Sport, Einzelhandel, Landwirtschaft, Transport, Fertigung und mehr. Bei Ultralytics machen wir Schulungsmodelle und maschinelles Lernen für jedermann zugänglich. Unser Ziel ist es, Ihnen dabei zu helfen, die Vorteile der Künstlichen Intelligenz zu nutzen, ohne sich um alle technischen Details kümmern zu müssen. Unsere Bemühungen haben dazu geführt, dass sogar Schüler der Mittelstufe mit Ultralytics HUB und YOLOv5 ihre Modelle trainieren können.

"Computer Vision ist eine der bemerkenswertesten Entwicklungen im Bereich des Deep Learning und der künstlichen Intelligenz. Die Fortschritte, die Deep Learning auf dem Gebiet der Computer Vision gemacht hat, haben diesen Bereich wirklich von anderen abgehoben.

Wayne Thompson, SAS-Datenwissenschaftler

CV-Ingenieure wenden die Forschung im Bereich der Bildverarbeitung und des maschinellen Lernens an, um Probleme der realen Welt zu lösen. CV-Ingenieure haben in der Regel viel Erfahrung mit verschiedenen Systemen wie Bilderkennung, maschinellem Lernen, Edge AI, Netzwerken und Kommunikation, Deep Learning, künstlicher Intelligenz, fortgeschrittenem Computing, Bildkommentar, Datenwissenschaft und Bild-/Videosegmentierung.

Darf ich vorstellen: Mohammed!

Muhammad Rizwan Munawar ist ein Computer Vision Engineer. Er hat seinen Bachelor in Informatik mit dem Spezialgebiet Künstliche Intelligenz an der COMSATS-Universität Islamabad, Wah Campus, abgeschlossen. Seine Fachkenntnisse beschränken sich nicht nur auf den Bereich der Bildverarbeitung, denn er weiß, dass zusätzliche Fähigkeiten ihm helfen können, seine Karriere voranzutreiben, und so verfügt er auch über Kenntnisse in den Bereichen Desktop-Anwendungen, Web-Frontend und attraktive Dashboard-Entwicklung. Derzeit arbeitet er als Freiberufler und entwickelt Lösungen für verschiedene Anwendungsfälle, die auf den Bedürfnissen seiner Kunden basieren.

Wie sind Sie zu maschinellem Lernen und künstlicher Intelligenz gekommen?

"Nun, es war eine Reise voller Hürden und harter Arbeit. Als ich anfing, wusste ich noch nicht einmal etwas über Objekterkennung, aber ich war neugierig und begeisterte mich vor allem für KI. Ich war im letzten Jahr meines Studiums, als ich anfing, als Freiberufler zu arbeiten, nur um die Fähigkeiten zu erlernen. Parallel dazu begann ich auch, grundlegende Konzepte des maschinellen Lernens auf verschiedenen YouTube-Kanälen zu lernen. Nachdem ich 7-8 Monate konsequent gearbeitet hatte, entwickelte ich ein gutes Verständnis von KI und Deep Learning und beschloss, meine berufliche Laufbahn im Bereich Lebenslauf fortzusetzen."

Erzählen Sie uns von Ihren Erfahrungen mit YOLOv5!

"Ich benutze YOLOv5 seit seiner Veröffentlichung, aber für die richtige Entwicklung und Modifikation für verschiedene Anwendungsfälle benutze ich YOLOv5 seit 1,5 Jahren.""Ursprünglich bezog sich das Problem, mit dem ich zu tun hatte, auf die Objekterkennung, also begann ich, verschiedene Algorithmen für die Objekterkennung zu untersuchen. Nachdem ich einige Zeit in die Forschung investiert hatte, verglich ich die Karte für verschiedene Objektdetektoren und stellte fest, dass die Genauigkeit von YOLOv5 auf dem Coco-Datensatz im Vergleich zu anderen Objektdetektoren zu dieser Zeit sehr hoch ist. Also habe ich meine Daten beschriftet und YOLOv5 auf meine eigenen Daten abgestimmt, um Menschen zu erkennen. "YOLOv5 ist sehr einfach zu benutzen, zu modifizieren und abzustimmen, und die große Community steht immer zur Verfügung, um zu helfen, wenn jemand auf ein Problem stößt. Die regelmäßigen Updates von YOLOv5 machen es mir Tag für Tag leichter, die Objekterkennung auf sehr effiziente Weise durchzuführen."    

Muhammads 3 Tipps für Anfänger

1. Lernen Sie regelmäßig neue Konzepte und machen Sie Ihre Routine konsequent. Muhammad nennt Beständigkeit als einen der größten Faktoren für seinen Erfolg.
2. Denken Sie weiter über neue Ideen nach, auch wenn sie dumm sind! Sie werden Ihnen helfen, über die Dinge in der Tiefe nachzudenken. Versuchen Sie, diese Ideen auf einer bestimmten Ebene umzusetzen und schreiben Sie sie in einem Dokument nieder. Befolgen Sie immer diese Strategie.
3. Entwickeln Sie Projekte im Zusammenhang mit dem Lebenslauf. Die regelmäßige Arbeit an Projekten wird Ihnen helfen, zu lernen und eine Leidenschaft für den Bereich Lebenslauf zu entwickeln.

Vielen Dank, dass Sie über Muhammads Reise gelesen haben! Wenn Sie mehr über seine Arbeit erfahren möchten, besuchen Sie seine Website. Und um immer auf dem Laufenden zu bleiben, wenn wir Ihnen die neuesten YOLOv5- und Vision AI-Nachrichten mitteilen, folgen Sie uns auf Twitter und Linkedin!