21.10.2025 aktualisiert


Premiumkunde
100 % verfügbarData Engineer | Computer Vision Engineer | Full-Stack Developer
Potsdam, Deutschland
Deutschland
Master of Science, Computational ScienceSkills
PythonTypescriptCD/CI PipelineComputer VisionDockerFull Stack DeveloperDevOps / MLOpsData Engineering Machine LearningMathematische Optimierung
IT – Kenntnisse
Frontend-Webentwicklung
HTML • (S)CSS • Javascript/Typescript • Angular • Bootstrap • Vue • Nuxt • Vuetify
Backend-Webentwicklung
Python • Django • Flask • FastAPI • MongoDB • PostgreSQL • SQLAlchemy • OAuth2/OpenID Connect/JWT • REST • Pydantic
Data Science / -Engineering
Numpy • Pandas • Matplotlib • Bokeh • SciPy • SciKit Learn • Sympy • Apache Airflow • S3
Machine Learning / Computer Vision
OpenCV • PCL • Tensorflow/Keras • Torch • ChatGPT • LLMs • Yolo • OCR
Anwendungsoptimierung
C/C++ • OpenMP • MPI • CUDA • Numba • Cython • Numpy
Qualitätssicherung
Pytest • Swagger • OpenAPI • Postman • Playwright • Mocha • Gatling • Jira/XRay
DevOps/MLOps
Gitlab-CI • Docker • Kubernetes • k9s • Ansible • Linux-Serveradministrierung • DVC • MLFlow • Nginx
- SOFTSKILLSÜbertrage Wissen und Erfahrungen schnell auf neue Themen und Technologien
- Übernehme Verantwortung als Projektleiter oder Tech-Lead
- Bevorzuge eine offene Kommunikation
- Lösung von Problemen steht vor der eigenen Profilierung im Vordergrund
- Schnelle Reaktionsfähigkeit in agilen Projekten
- Gebe stets Erfahrungen und Wissen an Kunden und Teamkollegen weiter
- Verfolge Herausforderungen des Kunden und biete eigene Lösungsvorschläge
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
- Planung- und Projektorganisation
- Konzeptionierung der Softwarearchitektur
- Evaluation der zu verwendbaren Softwarebibliotheken
- S3 Storage, Apache Airflow zur Prozesssteuerung und STAC-Catalogs für die Datenkatalogisierung
- Identity Provider Integration mit Keycloak
- Apache Airflow zur Workflowsteuerung
- STAC als Datenkatalog
- S3 kompatibler Storage für Ablage unstrukturierter Daten
- Pytest und Playwright für automatisiertes Testen
- Integration SSO mit OAuth2/OpenID Connect
- Reverse Proxy Konfuguration mit Nginx
Tools: Apache Airflow, Docker, Docker Compose, GitLab CI, Keycloak, S3 Storage (MinIO), Playwright, PostgreSQL, Python, Pytest, OpenID Connect, STAC
- Konzeption und Umsetzung moderner Frontends mit React und Next.js unter Verwendung von React Hook Form für performantes, valides Formularhandling
- UI-Entwicklung mit Material UI und SASS, inklusive komponentenbasierter Gestaltung, Responsiveness und Theming
- Integration von OpenLayers zur Darstellung und Interaktion mit georeferenzierten Daten (z. B. für Karten- oder Geodatendienste)
- Drag-and-Drop-Funktionalitäten mithilfe von DnD Kit zur intuitiven Nutzerinteraktion in komplexen Workflows
- Einbindung und Transformation geographischer Koordinaten mit Proj4
- Pflege eines konsistenten und wartbaren Code-Stils durch TypeScript, ESLint mit Custom Plugins sowie automatisierte Formatierung
- Entwicklung und Bereitstellung von RESTful APIs mit Flask und Gunicorn als WSGI-Server, inklusive Performanceoptimierung und Deployment
- Modellierung und Zugriff auf relationale Datenbanken mit SQLAlchemy, inklusive Migrationslogik und komplexer Query-Strukturen
- JWT-basierte Authentifizierung und Autorisierung mittels PyJWT, inkl. Token-Handling, Login-Logik und Security-Checks
- Verarbeitung geodatenbasierter Eingaben mit GDAL[numpy], u. a. zur Umrechnung, Analyse oder Validierung von räumlichen Daten
- Etablierung eines sauberen, standardisierten Backend-Codes durch Nutzung von Black (Formatter)
- Dokumentation von Komponenten, APIs und Sicherheitslogik zur Unterstützung der Teamarbeit und künftigen Wartung
Tools: Black Formatter, DnD Kit, Eslint, Flask, GDAL[numpy], Gunicorn, Material UI, Next.js, OpenLayers, Proj4, PyJWT, React, React Hook Form, RESTful API, SASS, SQLAlchemy, TypeScript
- Gelabelte Daten für die Erkennung von Motorradnummern und die OCR-Erkennung von Nummern
- Trainiert mit Yolo-Modellen zur genauen Erkennung von Nummernfeldern
- Finetuning der OCR-Modelle für eine genaue Extraktion der Nummer
- Erstellung einer End-to-End-Inferenzpipeline, die Erkennung und OCR-Erkennung kombiniert
- Benchmarking der Modelle für reine CPU-Nutzungsfälle
- Integration in .NET Anwendung mit C# (Windows)