Senior Data Scientist/Machine Learning Engineer und Software Engineer
- Verfügbarkeit einsehen
- 2 Referenzen
- auf Anfrage
- 68161 Mannheim
- DACH-Region
- de | en
- 08.08.2026
- Contract ready
Kurzvorstellung
Auszug Referenzen (2)
"Ich bestätige die Tätigkeit"
1/2025 – 1/2026
Tätigkeitsbeschreibung
Webbasierte Trainingsplattform für generative KI
Entwicklung eines skalierbaren Webframeworks zur Datensatzverwaltung und Durchführung von Fine-Tuning-Jobs
Modulares Benutzer- und Projektmanagementsystem
Pytorch, Python, Amazon Web Services (AWS), Django
"Top Leistung, Rückmeldung und Reaktionsgeschwindigkeit. Zudem hohes Engagement. Jederzeit wieder!"
11/2023 – 2/2026
Tätigkeitsbeschreibung
GUI-Entwicklung für Industriekameras
Entwicklung einer benutzerfreundlichen UI für intuitive Kamerasteuerung und Scenen-Annotation
Opengl, Python, Python-Programmierer, Qt (Software), Softwareentwicklung (allg.)
Geschäftsdaten
Qualifikationen
Projekt‐ & Berufserfahrung
7/2026 – 7/2026
Tätigkeitsbeschreibung
Defekterzeugung auf Prüfstandsbildern von Metalloberflächen
Ziel & Umsetzung: Architektur und Training generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation, um synthetische Materialfehler (Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zu generieren und den Datensatz gezielt zu erweitern (Data Augmentation).
Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne physische Prüfstandsläufe;
Pytorch, Semantic Segmentation, Machine Learning, Python
5/2026 – 7/2026
Tätigkeitsbeschreibung
Ultra-High-Res Generierung für Agar-Platten (Colony Detection)
Ziel & Umsetzung: Entwicklung einer multi-skaligen Generierungs-Architektur (Tiled Generation / Cascaded Latent Diffusion) zur Erzeugung fotorealistischer Agar-Platten-Aufnahmen in Gigapixel-Auflösung (bis zu 32 Megapixel) inklusive automatischer Pixel-Grown-Label-Generierung für dichte Kolonieanhäufungen.
Business Impact: Steigerung der automatisierten Detektionsrate (Colony Detection); Senkung der manuellen Annotationskosten durch entfallendes Hand-Labeling von Millionen Einzelkolonien.
Computer Vision, Objekterkennung, Python, Pytorch, Semantic Segmentation
4/2026 – 5/2026
Tätigkeitsbeschreibung
Synthetische Daten für Oberflächenfehler
Ziel & Umsetzung: Entwicklung einer konditionierten Generierungspipeline (über ControlNet und latent-basierte Inpainting-Verfahren) zur gezielten Synthese variabler Oberflächendefekte (z. B. Kratzer, Poren, Beschichtungsfehler) auf makellosen Fotos bei mathematischer Kontrolle über Lage, Ausdehnung und Fehlerklasse.
Business Impact: Einsparung von geschätzten 80 % der physischen Ausschuss-Akkumulation zur Datengewinnung; Steigerung der Erkennungsgenauigkeit (Recall) für seltene, kritische Defektklassen.
Opencv, API-Entwickler, Machine Learning, Qt (Software), Amazon Web Services (AWS), Python, Pytorch, Quality Control Engineer, Semantic Segmentation
3/2026 – 5/2026
Tätigkeitsbeschreibung
Synthese von Mikroskopiebildern (Schimmelsporen)
Ziel & Umsetzung: Design eines klassen-konditionierten Diffusion-Modells zur realistischen Erzeugung hochauflösender Mikroskopieaufnahmen von seltenen Bakterienstämmen und Schimmelsporen; gezieltes Oversampling zur Eliminierung extremer Class-Imbalance vor dem Training moderner YOLO-Objekterkennungs-Modelle.
Business Impact: Steigerung des mAP@50-95 auf der Objekterkennungsebene (YOLO) bei seltenen Sporentypen; Eliminierung des Engpasses bei der manuellen Erfassung schwer kultivierbarer Proben.
Data Scientist, Machine Learning Engineer, Opencv, Qt (Software), Amazon Web Services (AWS), Machine Learning, Objekterkennung, Python
1/2026 – 3/2026
Tätigkeitsbeschreibung
Generierung synthetischer Defekte auf Schweissnähten
Ziel & Umsetzung: Implementierung einer Physik- und Kanten-guided Generierungspipeline zur Synthese realistischer Schweissnahtdefekte (Bindefehler, Poren, Kraterrisse) auf optischen Aufnahmen; automatische Balancierung und Vervielfachung des Trainingsdatensatzes für Downstream-Segmentation- und Detection-Modelle.
Business Impact: Vollständige Balancierung des ehemals stark verfälschten Datensatzes
Data Science, Opencv, Qt (Software), Softwareentwicklung (allg.), Computer Vision, Datenanalyse, Machine Learning, Python, Pytorch
1/2025 – 1/2026
Tätigkeitsbeschreibung
Webbasierte Trainingsplattform für generative KI
Entwicklung eines skalierbaren Webframeworks zur Datensatzverwaltung und Durchführung von Fine-Tuning-Jobs
Modulares Benutzer- und Projektmanagementsystem
Pytorch, Python, Amazon Web Services (AWS), Django
1/2025 – offen
Tätigkeitsbeschreibung
Kontrollierbare Generative AI zur Erzeugung synthetischer Daten
Ziel & Umsetzung: Architektur und Training kontrollierbarer generativer Modelle (DeepRendering) zur fotorealistischen Generierung von Trainingsdaten auf Basis visueller Kontroll-Inputs (3D-Renderings, Kantenbilder, Segmentierungsmasken).
Business Impact: Erzielung einer Fehlerreduktion von bis zu 71 % bei industrieller OCR auf Metalloberflächen; drastische Senkung der manuellen Annotationskosten durch Erzeugung von über 30.000 synthetischen Trainingssamples aus nur 10 % realer Datenbasis.
Data Science, Machine Learning Engineer, Softwareentwickler, Softwareentwicklung (allg.), Amazon Web Services (AWS), API-Entwickler, Machine Learning, Python, Pytorch, Qt (Software)
11/2023 – 2/2026
Tätigkeitsbeschreibung
GUI-Entwicklung für Industriekameras
Entwicklung einer benutzerfreundlichen UI für intuitive Kamerasteuerung und Scenen-Annotation
Opengl, Python, Python-Programmierer, Qt (Software), Softwareentwicklung (allg.)
11/2023 – 6/2024
Tätigkeitsbeschreibung
Simulation einer Vision-Lösung für robotergestütztes Nähen & Stoffverarbeitung
Ziel & Umsetzung: Entwicklung einer physikalisch exakten Stoff-Simulation für hochkomplexe verformbare Materialien sowie Implementierung einer parallelen On-Demand-Cloud-Rendering-Pipeline zur synthetischen Datengenerierung.
Business Value: Ermöglichte das Training robuster Vision-Modelle für Roboter ohne aufwendige, händische Versuchsaufbauten und physische Testreihen.
Mathematische Optimierung, Softwareentwicklung (allg.), Amazon Web Services (AWS), API-Entwickler, Blender, Python, Systems Simulation
2/2023 – 8/2023
Tätigkeitsbeschreibung
Annotation Web-UI für Automotive-Lidar-Daten
Ziel & Umsetzung: Entwicklung einer browserbasierten, hochperformanten 3D-Visualisierungs-Engine zur Annotation und Analyse riesiger Punktwolken aus Multi-Sensor-Lidar-Systemen.
Business Value: Signifikante Performancesteigerung bei der Datenaufbereitung für autonomes Fahren durch flüssiges Rendering in Echtzeit direkt im Brows
Opengl, Python, Amazon Web Services (AWS), React (JavaScript library), Typescript, WebGL (Web Graphics Library)
1/2018 – 12/2022
Tätigkeitsbeschreibung
Entwicklung der trinamiX Materialerkennung und CNN-basierten Hautdetektion. Entwicklung der Data Science Pipeline, einschließlich Hardware für die Datensammlung, Datenverarbeitung und Metrikauswertung/Modeltestung sowie Verbesserung der neuronalen Netzarchitektur.
Analyse von NIR-Spektren und Verantwortung für die Softwareentwicklung des ersten Spektrometerprototyps. Einschließlich Aufgaben wie Entwicklung von chemometrischen Algorithmen, die auf eingebetteter Hardware, z.B. Smartphones, ausgeführt werden können.
Amazon Web Services (AWS), C++, Data Science, Datenanalyse, Embedded Systems, Machine Learning, Machine Learning Engineer, Maschinelles Lernen, Opencv, Python, Pytorch, Tensorflow, Transformer
1/2017 – 12/2017
TätigkeitsbeschreibungDie Aufgaben umfasste die Entwicklung von physikalisch motivierten Algorithmen auf der Grundlage von Bildverarbeitungsmethoden, um 3D-Punktwolken aus projizierten Laserpunkten zu erstellen. Zudem die Simulation physikalischer Effekte und die Bereitstellung von Simulationswerkzeugen.
Eingesetzte QualifikationenAmazon Web Services (AWS), API-Entwickler, C++, Git, Maschinelles Lernen, Mathematik, Microsoft Azure, Objekterkennung, Opencv, Opengl, Python, Qt (Software), Semantic Segmentation, Softwareentwickler, Softwareentwicklung (allg.), Tensorflow
4/2011 – 12/2015
TätigkeitsbeschreibungVerschiedene Tutorien und Seminare, Vorlesungsvertretung, Betreuung von Bachelor- und Masterarbeiten. Forschung und Entwicklung im Bereich PDEs, optimaler Steuerung und math. Modellierung.
Eingesetzte QualifikationenSoftwareentwickler, Softwareentwicklung (allg.), Finite-Differenzen-Methode (FDTD), Finite-Elemente-Methoden, Forschung & Entwicklung, Mathematik, Numerische Steuerung, Opencv, Opengl, Python, Simulink
Zertifikate
Ausbildung
Universität Mannheim
Technische Universität Kaiserslautern
Über mich
Mein technischer Schwerpunkt umfasst Computer Vision, Generative AI sowie skalierbare Data-Engineering-Pipelines. Seit mehr als zehn Jahren entwickele ich produktionsreifen Code in Python und C++ (u. a. PyTorch, TensorFlow, OpenCV) und beherrsche die gesamte Kette der Datengenerierung, -simulation, -annotation und -verarbeitung. Auch der professionelle Umgang mit 3D-Punktwolken, NIR-Spektren und Sensordaten gehört zu meiner Spezialisierung.
Durch zahlreiche erfolgreich umgesetzte POCs und Kundenprojekte in den Bereichen Automotive, Robotik, Biometrie und Cloud-Systeme verbinde ich mathematische Tiefe mit einem klaren Hands-on-Umsetzungsfokus.
Weitere Kenntnisse
Methoden & Prozesse: Agile Softwareentwicklung (Scrum, Kanban, SAFe), Technisches Projektmanagement & Roadmap-Planung, Requirements Engineering
Führung & Kooperation: Fachliche Teamführung, Steuerung externer Dienstleister & Partner, Leitung internationaler & interdisziplinärer Forschungskooperationen
Analyse & Konzeption: Feasibility Studies (Machbarkeitsstudien), Identifizierung & Evaluierung innovativer Projektideen, Prototyping & POC-Entwicklung
AI, Deep Learning & Generative AI
Computer Vision: Object Detection & Segmentation (YOLO, R-CNN, Mask R-CNN, SSD), Stereo Vision, 3D-Punktwolkenverarbeitung, Gesichtserkennung, Biometrische Authentifizierung
Deep Learning Architektur: CNNs (DenseNet, EfficientNet, ResNet), Transformers, ViT (Vision Transformers), Multimodale Modelle, MLPs
Generative AI & LLMs: Latent Diffusion Models, GANs, VAEs, EBMs, Synthetic Data Generation (DeepRendering), Retrieval-Augmented Generation (RAG), Agentic AI Workflows (Claude Code, MCP, Multi-Agent Systems)
Klassische Data Science & Statistik: Klassifizierung, Regression, Clustering, Zeitreihenanalyse, PCA, Probabilistische Modelle, Statistische Hypothesentests
Evaluation & Validierung: Model Drift Monitoring, ROC/AUC, Equal Error Rate (EER), Cross-Validation, Hyperparameter-Optimierung
Data Engineering & Cloud-Infrastruktur
Data Processing & Pipelines: ETL/ELT-Pipelines, Batch- & Stream-Verarbeitung, Datenannotation & -synthese, Geodaten- & NIR-Spektroskopie-Transformationen
Cloud Platforms: AWS (SageMaker, S3, EC2, Lambda, Elastic Beanstalk, Neptune), GCP (BigQuery), Microsoft Azure (DevOps, Cloud Compute)
Datenspeicher & Datenbanken: PostgreSQL, SQLite, SQLAlchemy, Graphdatenbanken (Amazon Neptune), Cloud Vector Databases / Vector Search
Software Engineering & MLOps
Programmiersprachen: Python (Experte), C++ (Experte), TypeScript/JavaScript, SQL, MATLAB
ML/DL-Bibliotheken: PyTorch, TensorFlow, Keras, Polars, Pandas, NumPy, SciPy, Scikit-learn, OpenCV, Statsmodels, SymPy
Backend, APIs & Web: FastAPI, Django, REST APIs, Microservice-Architektur, WebGL, Qt
GPU & Numerik: CUDA, CuPy, OpenCL, Eigen, Boost
DevOps, Container & Tooling: Docker, CI/CD-Pipelines (GitLab CI, GitHub Actions, Azure DevOps), Infrastructure as Code (IaC)
Entwicklungswerkzeuge: PyCharm, VS Code, Cursor, Jupyter, Android Studio, Git, SVN, Makefiles, LaTeX, Zemax
Persönliche Daten
- Deutsch (Muttersprache)
- Englisch (Fließend)
- Europäische Union
Kontaktdaten
Nur registrierte PREMIUM-Mitglieder von freelance.de können Kontaktdaten einsehen.
Jetzt Mitglied werden