Pascal Sager

Persönliches Profil

Tätigkeit an der ZHAW

Wissenschaftlicher Assistent AI/ML | Verantwortlicher GPU-Infrastruktur und Demos am CAI

www.zhaw.ch/en/engineering/institutes-centres/cai/computer-vision-perception-and-cognition-group/

Arbeits- und Forschungsschwerpunkte, Spezialkenntnisse

Deep Learning, Computer Vision, Object Recognition, GPU Computing, ML Engineering

Aktuelle Forschungsinteressen: Lernen von robusteren Repräsentationen durch Prinzipien aus der Neurowissenschaft, Reasoning, Cognition

Aus- und Fortbildung

- Bachelor in Informatik, Zürcher Hochschule für Angewandte Wissenschaften, 2020
- Techniker HF Elektrotechnik, Zentrum für berufliche Weiterbildung ZbW, 2016

Beruflicher Werdegang

2018-2020: Software Engineer, Spühl GmbH
2015-2017: Software Engineer PLC, L. Kellenberger & Co. AG
2013-2015: Hardware Design Engineer, Spühl GmbH

Mitglied in Netzwerken

• Datalab, the ZHAW Data Science Laboratory
• CLAIRE, the Confederation of Laboratories for Artificial Intelligence Research in Europe
• data innovation alliance
• CLAIRE Rising Researchers Network
• Digital Futures Lab
• LinkedIn

Projekte

• ML-BCA: Machine Learning für Body Composition Analysis / Stellv. ProjektleiterIn / Projekt laufend
• AUTODIDACT – Automated Video Data Annotation to Empower the ICU Cockpit Platform for Clinical Decision Support / Teammitglied / Projekt abgeschlossen
• RealScore – Scanning of Real-World Sheet Music for a Digital Music Stand / Teammitglied / Projekt abgeschlossen
• FWA: Visual Food Waste Analysis for Sustainable Kitchens / Teammitglied / Projekt abgeschlossen

Publikationen

• Tuggener, Lukas; Emberger, Raphael; Ghosh, Adhiraj; Sager, Pascal; Satyawan, Yvan Putra; Montoya, Javier; Goldschagg, Simon; Seibold, Florian; Gut, Urs; Ackermann, Philipp; Schmidhuber, Jürgen; Stadelmann, Thilo,

  2023.

  Real world music object recognition.

  Transactions of the International Society for Music Information Retrieval.

  Verfügbar unter: https://doi.org/10.21256/zhaw-28719

• Sager, Pascal; Salzmann, Sebastian; Burn, Felice; Stadelmann, Thilo,

  2022.

  Unsupervised domain adaptation for vertebrae detection and identification in 3D CT volumes using a domain sanity loss.

  Journal of Imaging.

  8(8), S. 222.

  Verfügbar unter: https://doi.org/10.3390/jimaging8080222

• Simmler, Niclas; Sager, Pascal; Andermatt, Philipp; Chavarriaga, Ricardo; Schilling, Frank-Peter; Rosenthal, Matthias; Stadelmann, Thilo,

  2021.

  A survey of un-, weakly-, and semi-supervised learning methods for noisy, missing and partial labels in industrial vision applications [Paper].

  In:

  Proceedings of the 8th SDS.

  8th Swiss Conference on Data Science, Lucerne, Switzerland, 9 June 2021.

  IEEE.

  S. 26-31.

  Verfügbar unter: https://doi.org/10.1109/SDS51136.2021.00012

Zurück