05.05.2026 aktualisiert
Premiumkunde
100 % verfügbarMachine Learning Engineer & Data Scientist | Computer Vision | Deep Learning
Dresden, Deutschland
Weltweit
Master of Science (M.Sc.) im Allgemeinen Maschinenbau (RWTH Aachen)Über mich
Core competencies include: • Computer Vision and Image Processing • Deep Learning and Neural Networks • Image Segmentation and Object Detection • Data Analysis and Data Preprocessing • Development of Machine Learning Pipelines • Model Evaluation and Explainability of Neural Networks
Skills
HTMLKünstliche IntelligenzData AnalysisComputer VisionC#CSSDatenbeschaffungMarkup LanguagesPythonMATLABMachine LearningNumPyVisualisierungRaspberry PiTensorFlow
Machine Learning Engineer mit langjähriger Erfahrung im Bereich Künstliche Intelligenz und Data Science
Mein Schwerpunkt liegt auf der Entwicklung datengetriebener Machine-Learning-Lösungen mit besonderem Fokus auf Computer Vision und Deep Learning.
Ich verfüge über umfangreiche Erfahrung in der Entwicklung und dem Training neuronaler Netze für Bildanalyseaufgaben, insbesondere für Image Segmentation und Object Detection. Dazu gehören der Entwurf und die Implementierung von neuronalen Netzwerkarchitekturen, das Training und die Evaluation von Modellen sowie die Entwicklung von Datenvorverarbeitungs- und Image-Augmentation-Pipelines. Darüber hinaus habe ich Erfahrung mit Methoden zur Analyse und Erklärung von Entscheidungen neuronaler Netze.
Mit einem starken Data Background habe ich bereits robuster Machine-Learning-Workflows entwickelt, die den gesamten Prozess von der Datenaufbereitung über Feature-Extraktion bis hin zu Training und Evaluation von Modellen abdecken. Ein zentraler Bestandteil meiner Arbeit ist die Analyse komplexer Datensätze, die strukturierte Aufbereitung von Daten für Machine-Learning-Anwendungen sowie die Entwicklung reproduzierbarer ML-Pipelines.
Meine Hauptprogrammiersprache ist Python. Dabei arbeite ich regelmäßig mit Machine-Learning- und Data-Analysis-Bibliotheken wie PyTorch, scikit-learn, numpy und pandas. Zusätzlich habe ich Erfahrung mit Git-basierten Entwicklungsworkflows sowie mit Linux-Umgebungen. Im Bereich Cloud-basierter Daten- und Machine-Learning-Infrastrukturen habe ich Erfahrung mit AWS sowie mit Datenplattformen wie Snowflake.
Darüber hinaus habe ich Erfahrung mit Desktop-Anwendungen und Edge-HMIs in C# (.NET10). Dabei habe ich in Projekten bereits Schnittstellen mit TCP/IP Kommunikation und dem OPC UA Protokoll implementiert.
Meine Projekterfahrung umfasst sowohl Forschungsumgebungen im Engineering- und Bio-Bereich als auch industrielle Anwendungen in der chemischen Industrie.
Ich verfüge über ausgeprägte Kommunikations- und Präsentationsfähigkeiten und kann komplexe technische Inhalte sowohl für Fachpublikum als auch für nicht-technische Stakeholder verständlich aufbereiten. Durch internationale Forschungsprojekte sowie Vorträge auf Fachkonferenzen arbeite ich routiniert in englischsprachigen, interdisziplinären Teams. In Projekten lege ich großen Wert auf transparente Kommunikation, strukturierte Zusammenarbeit und nachvollziehbare Dokumentation – unterstützt durch etablierte Tools wie Jira, Trello und Confluence.
Sprachen
DeutschMutterspracheEnglischverhandlungssicherFranzösischGrundkenntnisseRussischGrundkenntnisse
Projekthistorie
Entwicklung eines Human-Machine-Interfaces mit IoT-Schnittstelle und einer Desktop-Anwendung für Hardwaretests
Verwendete Technologien:
- C# .NET10 Framework
- Avalonia UI
- OPC UA Kommunikationsprotokoll
- TCP/IP Kommunikation
Virtual Staining – Entwicklung und Leitung einer ML-Pipeline für bildbasierte Rekonstruktion
- Technische und fachliche Leitung der Software- und ML-Entwicklung; weitgehend eigenständige Umsetzung der Programmierung sowie Anleitung des Teams und externer Projektpartner
- Konzeption, Erstellung und Aufbereitung von Trainings- und Testdatensätzen aus experimentellen Bilddaten und Simulationen
- Auswahl, Implementierung, Training, Validierung und Test neuronaler Netze zur bildbasierten Rekonstruktion und Transformation
- Systematische Evaluation, Vergleich und Optimierung verschiedener Modellarchitekturen (Convolutional Neural Networks, Generative Adversarial Networks, Autoencoder, Transformer)
- Konzeption und Durchführung von Explainable-AI-Analysen zur Modellinterpretierbarkeit und Robustheitsbewertung (Analyse von Feature Maps, Augmentation Studies, Guided Backpropagation)
- Präsentation der entwickelten Methoden und Ergebnisse in Projektmeetings sowie auf internationalen Fachkonferenzen
Genutzte Technologien:
- Python (PyTorch, TensorFlow, numpy, PIL, MLFlow)
- MatLab
- GitLab
- Trello, Notion
Holographische Mikroskopie – Entwicklung und Optimierung eines adaptiven optischen Systems mittels Reinforcement Learning
- Technische und fachliche Leitung eines interdisziplinären ML-Projekts; eigenständige Entwicklung wesentlicher Software- und Simulationskomponenten
- Konzeption, Aufbau und Inbetriebnahme eines holographischen Mikroskops mit adaptiver achromatischer Linse zur aktiven Korrektur chromatischer Aberrationen
- Entwicklung eines simulationsbasierten Systemmodells als Trainingsumgebung für Reinforcement-Learning-Agenten
- Training, Vergleich und Optimierung mehrerer Reinforcement-Learning-Agenten zur automatisierten Systemsteuerung und Aberrationskorrektur
- Übertragung, Validierung und Integration der trainierten Agenten in das experimentelle Gesamtsystem
- Enge Verzahnung von Simulation, Machine Learning und experimenteller Hardware zur iterativen Systemoptimierung
- Präsentation der Ergebnisse auf internationalen Fachkonferenzen sowie Publikation in einer begutachteten Fachzeitschrift
Genutze Technologien:
- Python (PyTorch, Gym, PIL, opencv, tensorboard)
- MatLab
- GitLab
- Notion