Ein Verfahren entwickeln, das Ground-Truth-Labels mit fotografierten oder gescannten Handschriften vergleicht, um Inkonsistenzen zu identifizieren und die Trainingsdatenqualität zu verbessern. dabei moderne OCR-Technologien (Optical Character Recognition) einsetzen, um handschriftliche Inhalte zu analysieren und mit den Sensordaten abzugleichen. zusätzliche Ground-Truth-Daten durch Fotos oder Scans handschriftlicher Texte sammeln. vortrainierte OCR-Modelle zur Segmentierung, Texterkennung und Bounding-Box-Detektion anwenden und ggf. anpassen. ein automatisiertes Vergleichsmodul zur Erkennung von Abweichungen zwischen erkannter Schrift und Ground-Truth-Labels entwickeln. typische Fehlerquellen identifizieren, wie: Rechtschreibfehler; ausgelassene Buchstaben oder Satzzeichen; unleserliche Handschrift, die für das Training ungeeignet ist. die Qualitätsverbesserung durch die bereinigten Trainingsdaten bewerten. Kenntnisse und Erfahrungen in Deep Learning in PyTorch mitbringst. Interesse an Handschrifterkennung und Zeitreihenanalyse hast. Deutschkenntnisse zur Unterstützung bei der Datenerhebung mitbringst. Unsere STABILO-verliebte Marion freut sich schon auf deine Unterlagen. Sag ihr auch gleich noch, wann du bei uns anfangen kannst und wie lange du bleiben möchtest. Wir sind gespannt auf dich!