Projektinformationen
- Eisenverkehrsunternehmen
Aufgaben
- Entwicklung von Python-Komponenten zur Analyse multimodaler Sensordaten (RGB-/IR-Kamera, LiDAR, GNSS)
-
Aufbau und Umsetzung von ML-Pipelines mit Docker (Compose) und Flyte
-
Training und Evaluation von ML-Modellen zur Objekterkennung
-
Weiterentwicklung eines internen Active-Learning-Tools
- Integration der Komponenten in CI/CD-Umgebungen (z.B. GitLab CI, Azure DevOps)
- Dokumentation und Zusammenarbeit im agilen Team (Kanban)
Profil
- Tiefgehende Erfahrung in der Entwicklung von ML- und CV-Anwendungen mit Python
-
Fundiertes Wissen in Computer Vision, Machine Learning und statistischer Datenanalyse
-
Praktische Erfahrung mit Docker, CI/CD, Git sowie mit Tools wie Flyte
-
Kenntnisse in ROS2, OpenCV, PyTorch oder TensorFlow von Vorteil
-
Erfahrung mit Punktwolkendaten und Active Learning wünschenswert
- Sehr gute Englischkenntnisse (mind. B2)
Benefits
- Praktische Erfahrung mit relevanten SW-Packages/-Bibliotheken: OpenCV, ROS2, pytorch, Tensorflow
- Nachgewiesene Erfahrung mit Punktwolkendaten und entsprechenden Algorithmen
- Problemlösungs-Know-How um komplexe Themen und Zusammenhänge proaktiv mit dem Projektteam zur Lösungsfindung zu bringen und bestehende Verfahren kritisch zu hinterfragen und zu optimieren
- Erfahrung mit dem Workflow Orchestrator Flyte