07.11.2025 aktualisiert
Premiumkunde
nicht verfügbarMachine Learning Engineer, Software Developer | Computer Vision, Data Science, AI
Magdeburg, Deutschland
Magdeburg +250 km
Dr.-Ing. / Dipl.-Ing.-Inf. (Diplom Ingenieurinformatik)Skills
C++CPythonBildverarbeitungEchtzeitsystemedeep learningEingebettete SystemeTreiberentwicklungOpenCVMaschinelles Lernen
Überblick
- 27 Jahre Programmiererfahrung, davon 24 mit C++ und C, 10 Jahre mit Python, 16 Jahre mit Matlab
- 15 Jahre praktische Erfahrung in Computer Vision, Bildverarbeitung und maschinellem Lernen
- 11 Jahre Forschungsaktivität (Autor/Koautor von über 50 wissenschaftlichen Publikationen, die mehr als 2800 mal zitiert wurden)
- Bearbeitung von F&E-Projekten für 9 industrielle Auftraggeber
Kernkompetenzen
- Computer Vision, Bildverarbeitung, Videoverarbeitung, 3D-Datenverarbeitung, Signalverarbeitung
- Maschinelles Lernen, Deep Learning, Mustererkennung, Data Science
- Software-Entwicklung für Linux, Windows, Cross-Plattform, Mikrocontroller
- Echtzeitsysteme, eingebettete Systeme, Betriebssysteme, Gerätetreiber
- Parallelisierung und Performance-Optimierung
- Entwicklung und Validierung von Algorithmen und Modellen
- Forschung, wissenschaftliches Schreiben, Präsentation von Ergebnissen
- effiziente Speicherung und Verarbeitung großer Datenmengen (z.B. > 200 Stunden Videomaterial)
- Konzeption und Realisierung von Bildaufnahme- und Bildverarbeitungssystemen (Auswahl Hardware, Synchronisation von Kameras und anderen Modalitäten, Kalibrierung, Entwicklung echtzeitfähiger Software)
Programmiersprachen
C++, C, Python, Matlab, Java, C#, Visual Basic, bash
Entwicklungstools
VS Code, Visual Studio, CMake, GNU tools, git, subversion, doxygen, sphinx (docs), vim
Oft verwendete Modelle / Konzepte aus Computer Vision / Maschinellem Lernen / Bildverarbeitung
Convolutional Neural Network (CNN), Support Vector Machine (SVM), Entscheidungsbäume / Random Forests, Ensemble-Methoden, Transferlernen, Multi-Label-Learning, Multi-Task-Learning, Klassifikation, Regression, Detektion, Registrierung, Segmentierung, Warping, Principal Component Analysis, Clustering, Tracking, optischer Fluss, Kameramodelle, Stereo Vision, Iterative Closest Point Algorithmus
Bibliotheken / Technologien
OpenCV, pytorch, tensorflow, numpy, pandas, scikit-learn, Boost, dlib, darknet (neural network framework), OpenGL, Multithreading, GPU, CUDA, OpenCL, ffmpeg/libav, protobuf, ADTF, Fox Toolkit, QT, wxWidgets, Windows, WinAPI, Linux, Linux Treiber, embedded Linux, Xenomai/Linux, Mikrocontroller
International selbst gehaltene Präsentationen zu eigenen Arbeitsergebnisse (in Englisch)
MIT Media Lab (Boston, USA, 2018) | IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops 2020 (remote) | International Conf. on Image Processing 2017 (Beijing, China), 2014 (Paris, Frankreich) und 2012 (Orlando, USA) | British Machine Vision Conf. 2015 (Swansea, UK) und 2013 (Bristol, UK) | Int'l Conf. on Pattern Recognition 2014 (Stockholm, Schweden) | Int'l Conf. on Automatic Face and Gesture Recognition 2019 (Lille, Frankreich) | Int'l Conf. on Affective Computing and Intelligent Interaction 2017 (San Antonio, USA) und 2019 (Cambridge, UK) | Universität Uberlândia (Brasilien, 2013)
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Entwicklung von Vorhersagemodellen und einer Demo-App zur Unterstützung von Ärzten bei der Diagnostik, Enscheidungsfindung und Vorhersage von Behandlungsergebnissen. Automatische Analyse von MRI, CT, und Röntgenbildern und weiteren Patientendaten, sowie Natural Language Processing mit LLMs und Audiotransktiption.
Tech: Python, PyTorch, OpenCV, pandas, numpy, SimpleITK, Deep Learning, Machine Learning, CNNs, LLMs, Transfer Learning, Multi-Task Learning, wxPython
Tech: Python, PyTorch, OpenCV, pandas, numpy, SimpleITK, Deep Learning, Machine Learning, CNNs, LLMs, Transfer Learning, Multi-Task Learning, wxPython
- Anforderungen: Generierung von synthetischen Kamerabildern inkl. Grundwahrheiten für Automotive Computer Vision Anwendungen, Unterstützung spezifischer komplexer Kamera-Intrinsik-Modelle, Multi-Kamera-Unterstützung, Sicherstellung von einfacher Bedienbarkeit und Installation, Stapelverarbeitung, Grundwahrheiten: Tiefe, optischer Fluss, Positionen von Kalibriermarkern, Odometrie, semantische Segmentierung
- Tätigkeiten: Detailabstimmung von Anforderungen, Design, Implementierung, Dokumentation, Tests, Integration, Erstellung von 3D-Szenen und Konfigurationen für Tests
- Tools: Blender, Python (Blender API, numpy, scipy, sklearn, pandas, click, pytest, sphinx), C++, Git/GitHub, OpenCV, OpenEXR