Solomon G.
Spezialist für Datenannotation — LiDAR & semantische Segmentierung (Wahrnehmung autonomer Fahrzeuge)
Erfahrungen
Spezialist für Datenannotation — LiDAR & semantische Segmentierung (Wahrnehmung autonomer Fahrzeuge)
Remotasks / Scale AI
- Frame-für-Frame-3D-Segmentierung und kuboide Begrenzung von Punktwolken aus Multi-Sensor-AV-Systemen (LiDAR + Kamerafusion) durchgeführt.
- Klassifiziert und segmentiert dynamische und statische Objekte (Fahrzeuge, Fußgänger, Radfahrer, Straßenelemente, Infrastrukturelemente) mit hoher Präzision und Einhaltung von Qualitätskennzahlen.
- Stets strenge Genauigkeitsanforderungen erfüllt (QA-Audits und wöchentliche Leistungsbewertungen).
- Mit verteilten Remote-Teams zusammengearbeitet und Annotationstools sowie Leitfaden-Playbooks (Bee-LSS / Bee-LiDAR-Workflow) eingesetzt.
- Beigetragen zu annotierten Datensätzen, die im Rahmen von Scale AI-Unternehmensverträgen von großen Technologiekunden für das Training von Machine-Learning-Modellen im autonomen Fahren genutzt wurden.
- Trainingsdatensätze analysiert und verbessert, Modellleistung durch sorgfältige Datenaufbereitung um 30% gesteigert.
- Kooperatives Umfeld gefördert durch enge Zusammenarbeit mit Entwicklern und Data Scientists zur Abstimmung der Projektziele.
- Eine Kultur der Innovation und Zusammenarbeit gepflegt, was zu einem dynamischen Arbeitsumfeld führte, das Kreativität förderte.
- Genauigkeitskennzahlen über den Projektvorgaben gehalten dank strikter QA- und Überarbeitungsprozesse.
- Große Mengen an aufeinanderfolgenden Frames bearbeitet und dabei Label-Konsistenz über die Sequenzen hinweg sichergestellt.
- Mit globalen Remote-Teams, Tool-Spezialisten und Projektprüfern zusammengearbeitet.
- Objekte in 3D-Umgebungen segmentiert, darunter Fahrzeuge, Fußgänger, Radfahrer, Infrastruktur- und Straßenelemente.
- Über 2.500 LiDAR-Frames annotiert und qualitätsgeprüft mit einer Genauigkeit von über 96%.
- Unter den Top-Performern in Segmentierungsgenauigkeit und Richtlinienkonformität eingestuft.
- Durch konsistente Annotierungsqualität zur Reduzierung der Nacharbeitenraten beigetragen.
- Segmentierung und Klassifizierung von 3D-Punktwolken-Daten für das Training von AV-Wahrnehmungsalgorithmen durchgeführt.
- Objektverfolgungslogik über mehrere zeitliche Frames angewendet, um Kontinuität zu gewährleisten.
- Datensatzqualität sichergestellt durch Erkennung von Verdeckungen, Bereichen ohne Labels und Einhaltung der Mindestpunktzahl pro LiDAR-Frame.
Zusammenfassung
Spezialist für Datenannotation mit praktischer Erfahrung in der Unterstützung von Wahrnehmungsprojekten für autonome Fahrzeuge durch LiDAR- und semantische Segmentierungsannotationen.
Beigetragen zu hochgenauen Datensätzen, die von Unternehmenskunden aus der Technologiebranche genutzt werden, um Entscheidungssysteme des Fahrzeugs zu verbessern.
Dynamischer und ergebnisorientierter Datenannotator mit über fünf Jahren Erfahrung in der KI- und Technologiebranche.
Nachweisliche Erfolge durch eigenständige Lerninitiativen zur Erweiterung der Fähigkeiten in Datenannotation und maschinellem Lernen.
Leidenschaftlich für Startup-Kultur, mit starkem Unternehmergeist, gezeigt durch die Gründung und Skalierung von Dusty Games.
Engagiert für die Bereitstellung hochwertiger, genauer Datensätze, die zum Erfolg von Projekten und zur Kundenzufriedenheit beitragen.
Sprachen
Ausbildung
Jomo Kenyatta University of Agriculture and Technology
Bachelor of Science · Business Innovation und Technologiemanagement · Juja, Kenia
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.