Executive Snapshot
- Erfahrung: weniger als 2 Jahre
- Level: Einstieg
- Arbeitsmodell: Nicht angegeben
- Verfügbarkeit: Nicht angegeben
- Region: Deutschland / EU
- Fokus: Automotive, Software, E-Mobility
Auf einen Blick
Profil-ID
DP-149781
Rolle
Machine Learning Engineering, Deep Learning, Computer Vision, Fahrerassistenzsysteme
Level
Einstieg
Erfahrung
weniger als 2 Jahre
Arbeitsmodell
Nicht angegeben
Verfügbarkeit
Nicht angegeben
Region
Deutschland / EU
Sprachen
Deutsch: B2, Englisch: C1
Einsatzmodelle
Video-Kurzvorstellung auf Anfrage verfügbar
Richtwert
Nicht angegeben
Kurzprofil
Junior Entwicklungsingenieur mit Fokus auf Machine Learning und Computer Vision für Fahrerassistenzsysteme und Objekterkennung. Expertise in der Entwicklung, Training und Optimierung von Deep-Learning-Modellen, insbesondere CNNs, LSTMs und Transformern. Erfahrung in der Generierung und Aufbereitung von synthetischen Daten sowie in der Modellbewertung und -optimierung hinsichtlich Genauigkeit und Performance. Praktische Anwendung in der Echtzeit-Drohnendetektion und ML-basierten Trajektorienvorhersage für Adaptive Cruise Control.
Schwerpunkte (Domänen)
AutomotiveSoftwareE-Mobility
Kompetenzen (Skills)
Machine LearningDeep LearningComputer VisionObjekterkennungTrajektorienvorhersageDatenanalyseModelloptimierungFeature ExtractionDatenaugmentierungCNNLSTMTransformerSoftwareMATLABPythonSimulinkE-Mobility / Automotive / Industrial Electronics
Tools & Technologien
MATLABPythonSimulinkIPG CarMakerLabel StudioUnreal EngineYOLOFaster R-CNNRTMDetMATLAB/SimulinkSOLIDWORKSgithubGitCSoftware
Praxis & Projekt-Highlights
Entwicklung und Optimierung eines RTMDet-basierten Objekterkennungsmodells zur Echtzeit-Drohnendetektion mit mAP-Steigerung; Systematischer Vergleich von CNN-Architekturen (YOLO, Faster R-CNN, RTMDet) für Kleinstdrohnendetektion; Konzeption, Implementierung und Evaluation von LSTM-, Transformer- und 1D-CNN-Architekturen zur Fahrzeugtrajektorienvorhersage; Generierung von synthetischen Fahrszenarien mit IPG CarMaker für Data Augmentation; Anwendung von Feature Extraction und Datenaugmentierung im Deep-Learning-Zyklus; Annotation und Aufbereitung von Video- und Bilddatensätzen mit Label Studio.