Jurij Kuzmic

• Kommunikation zwischen autonomen Fahrzeugen
• Austausch der Messwerte

• Rettungsgassenbildung auf Autobahnen
• Bilderkennung
• Bildverarbeitung
• Simulationen mit Unity 3D
• Aufbau einer Teststrecke (Autobahn) mit Modellfahrzeugen

• Spurerkennung mit Filtered Canny Edge Detector
• Objekterkennung mit TensorFlow und Object Detection API
• Distanzmessungen in 2D-Bildern durch Approximation von Funktionen und Pixelumrechnung

• Entwicklung von Software für Hardware mit limitierten Ressourcen, wie Raspberry Pi 3 B oder Raspberry Pi 4 B mit und ohne Hardwareerweiterung (Intel NCS2)

08/2018 - heute Technische Universität Dortmund, Informatik Promotionsstudium, Dortmund

10/2015 - 08/2018 Fachhochschule Südwestfalen, M.Sc. Angewandte Informatik, Iserlohn

10/2012 - 08/2015 Fachhochschule Südwestfalen, B.Sc. Angewandte Informatik, Iserlohn

10/2009 - 08/2012 Theodor-Reuter-Berufskolleg, Fachhochschulreife, Iserlohn

08/2018 - heute Wissenschaftlicher Mitarbeiter, Fakultät für Informatik, TU Dortmund

03/2016 - 08/2018 Wissenschaftlicher Mitarbeiter, Fachhochschule Südwestfalen, Iserlohn

04/2013 - 11/2013 Systemadministrator, GDI mbH, Hagen

08/2009 - 07/2012 Ausbildung zum IT-Systemelektroniker, Theodor-Reuter-Berufskolleg, Iserlohn

• Wintersemester 2018/19

  • Einführung in die Programmierung (EidP)

• Sommersemester 2019

  • Datenstrukturen, Algorithmen und Programmierung 1 (DAP 1)

• Wintersemester 2019/20

  • Einführung in die Programmierung (EidP)

• Sommersemester 2020 (Online)

  • Datenstrukturen, Algorithmen und Programmierung 1 (DAP 1)

• Wintersemester 2020/21 (Online)

  • Einführung in die Programmierung (EidP)

• Sommersemester 2021 (Online)

  • Datenstrukturen, Algorithmen und Programmierung 1 (DAP 1)

• Wintersemester 2021/22

  • Einführung in die Programmierung (EidP)

• Sommersemester 2022

  • Datenstrukturen, Algorithmen und Programmierung 1 (DAP 1)

• Wintersemester 2022/23

  • Einführung in die Programmierung (EidP)

• Internet der Dinge (IoT)

  • Webbasierte Steuerung von Smart Home Devices über einen MQTT-Broker

• Künstliche Intelligenz (AI)

  • Personenidentifikation anhand natürlicher Sprache mit rekurrenten neuronalen Netzen

  • Emotionserkennung aus Portraitbildern mit neuronalen Netzen und traditionellen Methoden

  • Implementierung von hybriden Methoden zur Instrumentenerkennung in verrauschten Musikdaten

  • Effiziente Spurerkennung für Modellautos mit neuronalen Netzen in Simulation und Realität

  • Optische Entfernungsmessung für Objekte im Straßenverkehr und deren Klassifikation.

  • Vergleich der Sprechererkennung durch neuronale Netze als Multiklassenproblem und multiples Zweiklassenproblem

  • Unterdrückung von Hintergrundgeräuschen in Sprachsignalen mit künstlichen neuronalen Netzen am Beispiel von Tastaturgeräuschen

  • Systematische Reward-Studie beim Reinforcement Learning eines Agenten in einer Avoid & Collect Umwelt.

  • Auswirkung verschiedener Reward-Werte auf das Agentenverhalten in einer Avoid & Collect Umwelt.

Sprechstunde: Nach Vereinbarung