Profilbild von Alexander Bauer Senior Data Scientist & Machine Learning Engineer aus Berlin

Alexander Bauer

nicht verfügbar bis 01.08.2024

Letztes Update: 22.12.2023

Senior Data Scientist & Machine Learning Engineer

Abschluss: Mathematik B. Sc., Diplom Informatik, Dr. rer. nat
Stunden-/Tagessatz: anzeigen
Sprachkenntnisse: deutsch (verhandlungssicher) | englisch (gut)

Dateianlagen

CV_deutsch.pdf
CV_english.pdf
CV_de.pdf

Skills

- Machine Learning (SVMs, Random Forests, Logistic Regression etc.)
- Deep Learning (CNNs, Transformers, Autoencoders etc.)
- Computer Vision / Bildverarbeitung (Image Classification, Object Detection, Semantic  Segmentation etc.)
- Natural Language Processing (Text Classification, Information Extraction,  Syntactic Parsing etc.)
- C++, C, Python
- Tensorflow, PyTorch, OpenCV, Scikit-Learn
- AWS, Docker, Git, MLFlow, CI/CD, pySQL
- Big Data Technologies

Projekthistorie

10/2020 - 12/2021
Erkennung von Oberflächenschäden an Motorblöcken in der Automobilbranche.
Automotive-Dienstleistungen (Automobil und Fahrzeugbau, 5000-10.000 Mitarbeiter)

  • Durchführung einer vorläugen Machbarkeitsstudie für eine automatische Fehlererkennung basierend auf komplementären Ansätzen des überwachten Lernens und der Anomalieerkennung.

  • Entwicklung einer semi-automatischen Routine für Datenannotation (Python, OpenCV, TKInter).

  • Implementierung mehrerer Modellarchitekturen und Trainingssoftware (Python, Tensorflow) für die Aufgaben der semantischen Segmentierung und Anomalieerkennung.

  • Training und Evaluierung mehrerer Modelle auf den (annotierten) Daten.

  • Implementierung einer C++ Bibliothek für die Modellinferenz in der Zielumgebung.


Eingesetzte Technologien: Python, C++, Tensorflow, Scikit-Learn, OpenCV, Docker, Git, Visual Studio Code, Xcode.


12/2018 - 12/2021
KI-gestützte visuelle Inspektion der elektrischen Steckverbindungen in der Produktion für E-Mobilität.
Automobilhersteller (Automobil und Fahrzeugbau, >10.000 Mitarbeiter)

  • Projektplanung und Ausführung rund um den gesamten Lebenszyklus einer Modellentwicklung einschließlich Datenannotation, Training, Evaluierung und Integration.

    Konzeptentwicklung eines optischen Prüfsystems gegeben spezische Anforderungen an die Speicherkapazität und Inferenzzeiten.
  • Betreuung des Teams für Datenannotation.

  • Implementierung von mehreren Modellarchitekturen (126 unterschiedliche Modelle) und von der Trainingssoftware (Python, Tensorflow) für unterschiedliche Bildverarbeitungsaufgaben wie Klassifikation, Objektdetektion, semantische Segmentierung und optische Messung.

  • Training und Evaluierung von mehreren Modellen auf den annotierten Daten.

  • Zusammenführung mehrerer Architekturen zu einem Modell und Export in Protobuf-Format.

  • Reduktion des Speicheraufwands und der Inferenzzeit des finalen Modells entsprechend den Hardware-Vorgaben.

  • Definition einer Schnittstelle für Modellaufrufe auf den Bildern, die von der SPS-Software (für Steuerung eines Roboterarms mit einem Kamerakopf) bereitgestellt werden.

  • Implementierung einer C++ Bibliothek für die Modellinferenz und Export als DLL (Dynamic Link Library).


Eingesetzte Technologien: Python, C++, Tensorflow, OpenCV, Docker, Git, common annotation software (CVAT, V7 etc.), Microsoft Visual Studio (Windows), Visual Studio Code (Mac), Xcode, CI/CD (automatic script for creating a DLL from source code and trained model), Doxygen, LateX, PowerPoint.


07/2018 - 01/2019
Validierung tiefer neuronaler Netze mit Erklärungstechniken im Bereich des autonomen Fahrens.
Automobilhersetller (Automobil und Fahrzeugbau, >10.000 Mitarbeiter)

  • Implementierung eines neuronalen Netzes zur Klassifikation von Verkehrszeichen.

  • Training des Klassifikationsnetzes auf einem annotierten Datensatz.

  • Implementierung der bestehenden state-of-the-art Erklärungsalgorithmen.

  • Modifikation und Verbesserung bestehender Erklärungstechniken mit dem Ziel einer genaueren Analyse.

  • Implementierung von adversariellen Angriffen auf das trainierte Netz durch spezische Bildmanipulationen.

  • Erkennung von adversariellen Angriffen basierend auf dem verbesserten Erklärungsalgorithmus.


Eingesetzte Technologien: Python, Tensorflow, Scikit-Learn, OpenCV, Docker, Git, Visual Studio Code, PowerPoint.


03/2018 - 07/2018
Prüfung spezifischer Anforderungen an die technischen Dokumente in der Luftfahrtindustrie.
Beratungsunternehmen (Industrie und Maschinenbau, 1000-5000 Mitarbeiter)

  • Entwurf einer Lösung zur Validierung der grammatikalischen Struktur von Textdokumenten basierend auf verschiedenen NLP-Bausteinen, darunter syntaktisches Tagging, Parsing, Named-Entity-Recognition und Word-Embeddings.

  • Implementierung einer Python-Bibliothek zur Überprüfung der Textdokumente nach einem Satz individueller Grammatikregeln, unterstützt durch zugehörige NLP-Modelle.

  • Definieren einer JSON-Schnittstelle für die Validierungsergebnisse (einschließlich automatisierter Korrekturvorschläge), die vom Integrationsteam verwendet wird, um potenzielle Regelverstöße im Text zu identizieren.
     

Eingesetzte Technologien: Python, NLTK, spaCy, Git, Visual Studio Code.


11/2017 - 01/2018
Erkennung von defekten Komponenten in einem Fahrzeug aus den generierten Fehlercodes.
Automobilhersteller (Automobil und Fahrzeugbau, >10.000 Mitarbeiter)

  • Semi-automatische Erweiterung der annontierten Daten durch Clustering-Methoden.

  • Implementierung einer Trainingssoftware unter Einsatz von Scikit-Learn (Python).

  • Feature-Engineering und Training der Modelle (SVMs, Random Forest, etc.) auf einem annotierten Datensatz.

  • Evaluierung der Performanz der trainierten Modelle und Bewertung der entwickelten Lösung.


Eingesetzte Technologien: Python, Scikit-Learn, Atom, PowerPoint.


Reisebereitschaft

Verfügbar in den Ländern Deutschland
Profilbild von Alexander Bauer Senior Data Scientist & Machine Learning Engineer aus Berlin Senior Data Scientist & Machine Learning Engineer
Registrieren