Mitarbeiter im Rampenlicht: Alexander Kimiavi

Hallo Alexander, kannst du uns als einer der wertvollen Software-Ingenieure von Dedrone etwas mehr über deinen Arbeitsalltag erzählen?

Mein Alltag bei Dedrone kann sehr unterschiedlich sein und umfasst viele Dinge, aber ich beginne den Tag mit dem täglichen Computer Vision Scrum. Das gibt unserem Team Zeit, sich über unsere Projekte abzustimmen. So können wir Hindernisse aus dem Weg räumen und Fragen stellen und sicherstellen, dass wir so effizient wie möglich arbeiten.  

Als Nächstes verbringe ich einen Teil meines Tages damit, zukünftige Projekte und Forschungspläne für das Computer Vision Team zu planen. Die Probleme, mit denen wir uns befassen, entwickeln sich täglich weiter, daher ist es wichtig, effektiv zu planen, welche Forschungsarbeiten wir als Team durchführen werden, um diese Probleme zu lösen. Den Rest des Tages verbringe ich dann mit der Erforschung unserer Modelle oder mit der Entwicklung von Code, der die Erforschung der Modelle ermöglicht. Dazu gehören die Entwicklung und Erforschung unserer neuronalen Netzwerkarchitekturen, datengesteuerte Entscheidungen darüber, welche Daten aus unserem Datensatz entnommen und welche Daten kuratiert werden sollen, das Hinzufügen von Funktionen zu unserer Videosoftware und die Steigerung der Effizienz unserer Videoinferenz.  

Was gefällt dir am besten an der Arbeit bei Dedrone?

Das Beste an der Arbeit bei Dedrone sind die Menschen, mit denen ich täglich zu tun habe. Jeder bei Dedrone hat sein eigenes Fachgebiet, und es ist spannend, von ihnen und ihren jeweiligen Fachgebieten zu lernen. Außerdem sind die Probleme, die wir bei Dedrone zu lösen haben, anspruchsvoll, was die Arbeit schnell und spannend macht.  

Erzählen Sie uns von dem besten Auftrag, den Sie bei Dedrone hatten, und warum er so großartig war.  

Die beste Aufgabe, die ich hier bei Dedrone hatte, war die Leitung der Forschung und Entwicklung von Pythagoras 1. Dies erforderte eine komplette Überarbeitung der Art und Weise, wie wir bei Dedrone Computer Vision betreiben. Diese Überarbeitung umfasste die Verbesserung unserer Datenquellen, die Entwicklung neuer und effizienter Pipelines zur Verarbeitung von Millionen von Bildern für das Training, die Erforschung einer brandneuen internen Architektur für neuronale Netze und schließlich die Nutzung modernster Technologien zur Beschleunigung unserer Inferenz am Rande.  

Die Forschungs- und Entwicklungsarbeit verlief in einem rasanten Tempo, und wir mussten bei der Entwicklung dieses Modells die neuesten Erkenntnisse nutzen. Es war sehr erfüllend und aufregend zu sehen, wie dieses Modell zum Leben erweckt wurde und welche Verbesserungen es für das Produkt mit sich brachte. Ich bin unglaublich stolz auf das, was wir in einem relativ kurzen Zeitraum erreicht haben.

Was ist Ihrer Meinung nach das wichtigste Element der Luftraumsicherheit, das die Menschen vielleicht nicht verstehen?  

Ich glaube, die Menschen verkennen das wahre Ausmaß des Problems. Die Luft ist mit viel mehr Zielen gefüllt, als man erwarten würde. Um diese zu erkennen, setzen wir eine Vielzahl von Sensoren ein, die alle mit eigenen Fehlern behaftet sind. Verschiedene Sensoren können auch dasselbe Ziel erkennen - diese müssen algorithmisch zusammengeführt werden, um ein klares Bild des Luftraums zu erhalten. Was die Computer Vision betrifft, so gibt es eine Vielzahl von Luftzielen und -szenen, denen Ihr Detektor gewachsen sein muss. Um diese Herausforderungen zu meistern, braucht man eine starke Fusionsmaschine und ein hervorragendes Team für maschinelles Lernen, über das Dedrone glücklicherweise verfügt. Das Problem ist nicht einfach, und es entwickelt sich ständig weiter.

Was machen Sie außerhalb Ihrer Arbeit mit Dedrone in Ihrer Freizeit?

Ich liebe die Arbeit, die ich tue, und in meiner Freizeit halte ich mich gerne über die neueste Forschung im Bereich Deep Learning auf dem Laufenden. Außerdem arbeite ich gerne an Nebenprojekten, mache lange Spaziergänge, treibe Sport und treffe mich mit Freunden! Wenn ich kann, helfe ich meinen Eltern gerne, sich um ihren süßen Hund Ivy zu kümmern.

‍