Machine Learning Engineer – Sensor Data & Perception Systems

Machine Learning Engineer mit starkem Fokus auf Computer Vision, sensorbasierter Wahrnehmung sowie datengetriebener Analyse physikalischer Messsignale. Erfahrung in der Entwicklung von End-to-End-ML-Pipelines für hochdimensionale Zeitreihen- und bild

• Bildverarbeitung4 J.
• Computer Vision4 J.
• Deep Learning
• Digitale Signalverarbeitung
• Faltendes Neuronales Netzwerk (CNN)4 J.
• Feature Engineering
• Machine Learning4 J.
• Mechatronik (allg.)
• Neuronale Netze4 J.
• Signalverarbeitung4 J.

Machine Learning & Deep Learning
Fundierte Expertise im maschinellen Lernen und in tiefen neuronalen Netzen, inklusive der praktischen Entwicklung, Optimierung und Umsetzung komplexer Modelle in Forschungs- und Praxisprojekten.

Programmierung & Datenanalyse
Sehr gute Kenntnisse in Python und MATLAB sowie im Einsatz gängiger Frameworks und Bibliotheken wie TensorFlow, Keras, pandas und NumPy zur effizienten Datenverarbeitung, Analyse und Modellierung.

Signalverarbeitung & Computer Vision
Spezialisierung auf die Analyse und Verarbeitung von Signalen sowie auf Computer-Vision-Methoden; erfolgreiche Anwendung in wissenschaftlichen Projekten, insbesondere im Kontext sensorbasierter und bildgebender Systeme.

Sensorik
Erfahrung im Umgang mit und in der Auswertung von Sensordaten verschiedenster Systeme, darunter Lichtschranken, Rauch- und Bewegungsmelder, Videoüberwachungstechnik sowie sicherheitsrelevante Sensorsysteme im Laborumfeld.

Automotive Testing
Praxis in der Durchführung und Auswertung von Performance-Tests für Fahrerassistenzsysteme nach EURO-NCAP-Standards im Rahmen von Entwicklungs- und Validierungsprojekten (u. a. Daimler Crashtargetprojekt).

Elektronikentwicklung & Sicherheitstechnik
Kenntnisse in der Entwicklung, Bewertung und Integration elektronischer Komponenten sowie sicherheitstechnischer Systeme durch langjährige akademische Tätigkeit im Labor für Sicherheitstechnik.

Datenauswertung & Statistische Analyse
Umfangreiche Erfahrung in der quantitativen Analyse, statistischen Auswertung und Aufbereitung komplexer Datenmengen – von explorativer Analyse bis hin zu modellgestützten Methoden.

Wissenschaftliche Software- und Analysetools
Sicherer Umgang mit Tools und Bibliotheken wie OpenCV, Scikit-Learn, matplotlib und seaborn zur Umsetzung datengetriebener, wissenschaftlicher und bildverarbeitender Anwendungen.

Data Science & Künstliche Intelligenz
- Zeitreihenanalyse und spatio-temporale Datenmodellierung
- Klassifikations- und Regressionsverfahren (klassisch & Deep Learning)
- Feature Engineering und Merkmalsextraktion aus Sensordaten
- Modellvalidierung, Hyperparameter-Optimierung und Performance-Analyse
- Explainable AI (Modellinterpretierbarkeit, Feature-Wichtigkeit)

Signalverarbeitung & Sensorik
- Verarbeitung von Druck-, Bewegungs- und Multisensordaten
- Rauschunterdrückung, Filterverfahren und Normalisierung
- Sensorfusion und Synchronisation heterogener Sensorsignale
- Versuchsplanung, Messdatenerfassung und statistische Auswertung

Computer Vision & Bildverarbeitung
- Bild- und Videodatenanalyse mit OpenCV
- Mustererkennung in 2D- und 3D-Daten
- Vorverarbeitung, Segmentierung und Merkmalsextraktion
- Übertragung bildbasierter Methoden auf Sensormatrizen

Software & Tools
- Python (pandas, NumPy, SciPy, scikit-learn)
- TensorFlow / Keras (Modellentwicklung & Training)
- MATLAB (Signal- und Datenanalyse)
- Git / Versionsverwaltung
- Jupyter Notebooks & reproduzierbare Analysen

Engineering & Systems
- Systemanalyse mechatronischer Systeme
- Validierung und Test technischer Systeme
- Technische Dokumentation und Ergebnisaufbereitung
- Anforderungsanalyse und Ableitung technischer Konzepte

Soft Skills
- Strukturierte und analytische Arbeitsweise
- Wissenschaftlich fundierte Problemlösung
- Hohe Eigenständigkeit und Projektverantwortung
- Kommunikation technischer Inhalte für Fach- und Nicht-Fachpublikum