

Ich habe zwei Master-Abschlüsse, einen in Embedded Systems und einen in Automatisierungstechnik. Ich verfüge über fundierte Kenntnisse in C/C++, Python sowie in der Arbeit mit Sensoren auf Raspberry Pi und Arduino. Meine Masterarbeit und zahlreiche Kurse im Bereich Maschinelles Lernen und Deep Learning konzentrieren sich auf die Entwicklung von AI-basierten Predictive Maintenance Systemen. Mein Ziel ist es, meine Programmierkenntnisse und Erfahrungen in Predictive Maintenance anzuwenden.
Projekttitel: Entwicklung und Implementierung eines Condition-Monitoring-Systems in einer Industrie-nahen Umgebung
Automatisierungstechnik
Softwareentwicklung & Datenkommunikation
Künstliche Intelligenz & Predictive Maintenance
Tool-Kenntnisse
Inhalte: SPS-Programmierung in ST (IEC 61131-3), Hardwarekonfiguration, ADS-Kommunikation, Debugging und Bibliothekserstellung. (Beckhoff, 10/2023)
Inhalte: Data Preprocessing, Supervised/Unsupervised Learning, Modellierung mit Python und R. (Udemy, 09/2024, 36.5h)
Inhalte: Signalverarbeitung mit Wavelets, Feature Engineering, Machine Learning Modelle. (Udemy, 09/2024, 10h)
Inhalte: Mathematische Grundlagen (Lineare Algebra, Statistik, Optimierung) für Machine Learning. (Udemy, 09/2024, 16.5h)
Inhalte: KI-Anwendungen in der vorausschauenden Wartung von Industrieanlagen. (Udemy, 07/2024, 2h)
Inhalte: ML-Algorithmen und Anwendungen im Ingenieurwesen, Python-Implementierung. (Udemy, 08/2024, 12h)
Inhalte: Projekte, einfache/erweiterte SPS-Programmierung, Visualisierung, dezentrale Teilnehmer.
(sps4you, 2024)
Inhalte: Grundprinzipien der SPS-Programmierung, TIA Portal, STEP 7, digitale Ein-/Ausgänge. (sps4you, 2024, Kursfortschritt: 49%)