3.1 KiB
status, tags
| status | tags | |
|---|---|---|
| Archiv |
|
[!task]+ Project:: Vertrieb Bar::
$= dv.view('total-progress-bar', {file: "Beschreibung der Migration C nach Python als Projekt für ivv beschreiben"})
Aufgabenbeschreibung
Gedankenstütze von Michael Schwarz:
Anpassung / Erweiterung des mathematischen Rechenkerns in C ist die zentrale Aufgabenstellung, zusammen mit der Analyse der bestehenden Rechenlogik (mathematischer Kern)
Dazu muss du nachweisen, dass Du in Projekten bewiesen hast, dass Du die Fähigkeit hast, komplexe Algorithmen zu verstehen und strukturiert hier für ivv in diesem Setting anzupassen.
Allerdings stehen bisher in Deinem Profil keine belegte Erfahrung zu mathematischer Modellierung oder algorithmischer Logik drin -> bislang liest sich der Schwerpunkt eher in technischer Integration und Build-Prozessen.
Weiterhin braucht ivv jmd. mit tiefgreifender Programmiererfahrung in C, speziell eben für die mathematische Rechenlogik.
In deinem Profil wiederum ist keine direkte C-Erfahrung dokumentiert; der bisherige Fokus liegt auf Java, Python, Build-Management.
Das sollten wir entsprechend umbauen oder mit einer 1-Seite ergänzen -
Passt?
Überlegungen
Antwort: Im Rahmen meiner Diplomarbeit habe ich ein Perzeptron-Netzwerk programmiert, das mit Werte aus einer Wavelet-Transformation trainiert wurde. Die Wavelet-Transformation ist eine mehrstufige Anwendung von digitalen Filtern, die ein Signal in Hoch- und Tiefpassanteile aufteilt. Ein digitaler Filter besteht in der Anwendung von Faltungsoperationen und somit die Ausführung mathematischen Operationen. Auch nach dem Studium bin ich dem Thema verbunden geblieben und habe aus privatem Interesse die ursprünglichen C-Sourcen nach Python migriert zum Verbessern der Ergebnisse. Im Rahmen der Migration wurde die Implementierung der Wavelet-Funktion und damit der digitale Filter auf eine flexibleren Architektur umgestellt. Konkret wurde die Zeiger-Arithmetik zur Speicherung eines mehrdimensionalen Arrays als einfache Liste durch die Adressierung von zweidimensionalen Arrays ersetzt. Dies erforderte ein Verständnis der mathematischen Operationen zur Konvertierung des Audiosignals. Der abschließende Vergleich der ursprünglichen Transformation mit der neuen ergab das gleiche Resultat und somit die Bestätigung der Neu-Implementierung. Im Rahmen der Diplomarbeit wurde das Neuronale Netz mit einer begrenzten Anzahl von Mustern trainiert. Aufgrund von beruflichen Verpflichtungen wurden die Konzepte nicht weiter verfolgt. Jedoch blieb das Interesse an dem Thema KI bestehen. Die Verfügbarkeit von LLMs und deren Anwendung auf lokalen Rechnern (ollama) hat das Interesse wieder belebt und dazu geführt mich in die Themen CNN, LLM und Modellgenerierung einzuarbeiten und das bestehende Wissen zu erweitern.
Unteraufgaben
- Beschreibung der Migration C nach Python der Diplomarbeit-Wavelet-Bibliothek [start:: 2025-07-22] [due:: 2025-07-23] [completion:: 2025-07-23]
- Zusammenfassung meiner Erfahrung als Zusatz zum Profil schreiben [start:: 2025-07-22] [due:: 2025-07-23] [completion:: 2025-07-23]