20.02.2026 aktualisiert
100 % verfügbar
Python Algorithmen Physik
Erlangen, Deutschland
Weltweit
Promotion: theoretische Physik (Numerik, Simulation, Computational Physics), Dr. rer. nat.Über mich
Physiker mit Fokus auf Python & Algorithmen Operations Research, Optimierung, Data Science, Regelungstechnik, Industrial AI, Industrie, Python, C++, Embedded C
Skills
Künstliche IntelligenzComputer VisionOptikBasic Linear Algebra SubprogramsC++SteuerungstechnikVersuchsplanungEmbedded C++BildverarbeitungPythonMachine LearningNumPyOpen Database ConnectivityOpenCVPhysik
Programmiersprachen: Python, C++, Embedded C;
Tags: Operations Research, Regelungstechnik, KI/AI, Künstliche Intelligenz, Python, C++, Computer Vision, Bildverarbeitung, Numeriker, Numerik, Planung, Steuerung
Python - Python - Python - Python - Python - Python - Python - Python - Python - Python - Python
Python: 13 Jahre
Bibliotheken
NumPy: 13 Jahre
Matplotlib: 9 Jahre
Scipy: 8 Jahre
Pandas: 7 Jahre
OpenCV: 2 Jahre
Scikit-Learn: 1 Jahr
OpenAI: 1 Jahr
cProfile: 4 Jahre
pytest-profiling: 1 Jahr
Pytest: 5 Jahre
Typing: 4 Jahre
Multiprocessing: 3 Jahre
Requests: 3 Jahre
AsyncIO: 2 Jahr
Ctypes: 1 Jahr
Python - Python - Python - Python - Python - Python - Python - Python - Python - Python - Python
C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++
C/C++: 5 Jahre
Entwicklung hochperformanter Numerik-Anwendungen
Bibliotheken
OpenCV: 2 Jahre
MatplotlibCpp: 2 Jahre
Algorithm: 2 Jahre•
MPI: 2 Jahre
ODBC: 1 Jahr
Lapack: 2 Jahre
Blas: 2 Jahre
GSL: 6 Monate
g++: 4 Jahre
C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++ - C/C++
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
KI gestützte Aufbereitung von Video-Content (z.B. Fachvorträge) zu Marketing-Material (SEO Texte,
Newsletter Artikel, Linkedin-Post).
Ausgangslage
•
•
•
Bedarf Marketingmaterialien Automatisiert zu erzeugen
Fähigkeiten von LLMs reichen aktuell nicht aus, bei Übersichtlichen Eingaben originellen Content in
Übereinstimmung mit der exakten Firmenpositionierung zu erzeugen
Idee: Existierender Videocontent wird für alle denkbaren anderen Medien aufbereitet. Videos tragen
die meiste Information, das heißt für die Erzeugung von anderem Content muss der Inhalt nur
umgestaltet werden, aber kein neuer Inhalt erfunden werden.
Ablauf
•
•
•
•
•
•
•
Entwicklung von Human-in-the-Loop Konzept für Zwischenreview vor Generierung des Contents.
Reviewed werden z.B. SEO Keywords, Video Titel, Dateinamen, Highlight Statements, Auswahl des
zu erstellenden Contents, Transkription prüfen
Anbindung der OpenAI API für Transkription, Texterzeugung, Bilderzeugung, Generierung von
Deepfakes
Automatisches Schneiden von Video-Clips: Intro + Outro Hinzufügen, Untertitel mergen
Automatisches Erzeugen von Bildcontent durch Modifikation von .svg Dateien
Berücksichtigen von OpenAI API Kosten und Rate Limits
Aufbau von Mocking Framework zur Vermeidung von API Kosten bei Unittests
Plugin System zur Implementierung verschiedener Content-Erzeugungslogik je nach Anwendungsfall
Python
•
•
•
python
numpy
pandas
•
•
•
•openai
aysncio
ffmpeg
lxml
•Pycharm
Entwicklung verschiedener Kommunikationsprotokolle für Mikrocontroller unterschiedlicher Leistungsklassen.
Entwicklungen
•
•
•
•
•
Einseitige Datenübertragung durch niederfrequentes Signal auf Versorgungsleitung
Byte basierte SPI Übertragung mit RXNE und TXE Interrupts
Anbindung verschiedener Peripheriebausteine (EEPROM, Sensoren, Stromquelle) über SPI, I2C,
DAC
Planung von Messgenauigkeiten und Bewertung verschiedener Sensoren bezüglich Verwendbarkeit
Konzeptionierung und Implementierung von Fail-Save Mechanismen
Aufgaben
•
•
•
•
•
•
Enge Zusammenarbeit mit der Hardwareentwicklung für Proof of Concepts und Vorserie
Iterative Entwicklungszyklen für gemeinsame Software / Hardware Entwicklung
Einfache Hardwaremodifikationen: z.B. Signal direkt am MCU Pin auslesen
Konzeptionierung des Kommunikationskonzeptes zwischen verschiedenen Geräten / MCUs
Aufbau von Messedemonstrator
Abstimmung mit Projektmanagement, Offshore Entwicklerteam und Hardwareentwicklung
Embedded C
•
•
•
ADC, DAC
DMA:
Direct Memory Access
IRQ: Interrupts
•
•
•SPI, I2C
TIM: Timer
IWDG: Watchdog••HAL:
Hardware abstraction layer
CMSIS-DSP: FIR Filter
•
•Discovery Boards
Nucleo Boards•
•
•
•BME280
BMM350
AL8891Q
M24C32
•
•Git
Gitlab•Modbus: mpboll, pymodbus
•
•Labornetzteil
SMD Lötstation•
•Elektronikkomponenten
ST-LINK/V2-ISOL
Hardwarekomponenten
•
•
•
STM32F051
STM32F439
STM32L053
Entwicklertools
•
•
CubeIDE
Visual Studio Code
Verfügbare Werkzeuge
•
•
•
Oscilloskop
Logic Analyzer
Multimeter
Beratung von Startup zum Aufbau einer Lebensmittelsubstitutionslogik für eine Kochapp. Implementierung
kritischer Module.
Ausgangslage
•
•
•
Die Substitution von Allergenen in Kochrezepten ist Rezeptabhängig.
Beispiel: Weizenmehl durch Maismehl zu ersetzen klappt bei Soßen aber nicht bei Pizza
Startup hat eigene Softwareentwickler und produktive App-Lösung.
Sucht Unterstützung bezüglich der Entwicklung eines lernenden Substitutionsverfahren, das
bekannte Substitutionen bezüglich Ihrer Anwendbarkeit auf ein gegebenes Rezept bewertet.
Ablauf
•
•
•
Workshop zur Problemdefinition und Konzeption von automatisierter Lösung
Datensammlung und Bereitstellung von Startup an Algorithmus Schmiede
Entwicklung von Auswahlverfahren der besten Substitution für vorgegebenes Rezept
Implementierung
•
•
•
Feature Extraction / Vektorisierung von Kochrezepten via LLM und OpenAI API
Entwicklung von Verfahren zur Dimensionsreduzierung von Rezepten in Ähnlichkeitsraum bezüglich
einer Substitution
Implementierung einer individuellen Trainingsloop in Tensorflow
Python
•
•
•
python
numpy
pandas
•
•pytest
typing
•keras: optimizer, Model
tensorflow
GradientTape, Checkpoint
openai•
•Trainingsloop
Adam Optimizer•Stratified Train-Test Split
•Pycharm
•
•
KI / ML Verfahren
•
•
•
Autoencoder
Encoder
Decoder
Weitere Technologien
•
Git