09.08.2026 aktualisiert

**** ******** ****
Premiumkunde
nicht verfügbar
info: nicht verfügbar bis 01.11.2026

Machine Learning Engineer, Software Developer | Computer Vision, Data Science, AI

Magdeburg, Deutschland
Magdeburg +250 km
Dr.-Ing. / Dipl.-Ing.-Inf. (Diplom Ingenieurinformatik)
Magdeburg, Deutschland
Magdeburg +250 km
Dr.-Ing. / Dipl.-Ing.-Inf. (Diplom Ingenieurinformatik)

Skills

Künstliche IntelligenzComputer VisionC++Embedded SystemsBildverarbeitungPythonMachine LearningNumPyOpenCVMustererkennungTensorFlowSignalverarbeitungSupport Vector MachineVideoverarbeitungBildaufnahmeDatenverarbeitungData SciencePyTorchDeep LearningpandasScikit-learn
Überblick
  1. 27 Jahre Programmiererfahrung, davon 24 mit C++ und C, 10 Jahre mit Python, 16 Jahre mit Matlab
  2. 15 Jahre praktische Erfahrung in Computer Vision, Bildverarbeitung und maschinellem Lernen
  3. 11 Jahre Forschungsaktivität (Autor/Koautor von über 50 wissenschaftlichen Publikationen, die mehr als 2800 mal zitiert wurden)
  4. Bearbeitung von F&E-Projekten für 9 industrielle Auftraggeber

Kernkompetenzen
  1. Computer Vision, Bildverarbeitung, Videoverarbeitung, 3D-Datenverarbeitung, Signalverarbeitung
  2. Maschinelles Lernen, Deep Learning, Mustererkennung, Data Science
  3. Software-Entwicklung für Linux, Windows, Cross-Plattform, Mikrocontroller
  4. Echtzeitsysteme, eingebettete Systeme, Betriebssysteme, Gerätetreiber
  5. Parallelisierung und Performance-Optimierung
  6. Entwicklung und Validierung von Algorithmen und Modellen
  7. Forschung, wissenschaftliches Schreiben, Präsentation von Ergebnissen
  8. effiziente Speicherung und Verarbeitung großer Datenmengen (z.B. > 200 Stunden Videomaterial)
  9. Konzeption und Realisierung von Bildaufnahme- und Bildverarbeitungssystemen (Auswahl Hardware, Synchronisation von Kameras und anderen Modalitäten, Kalibrierung, Entwicklung echtzeitfähiger Software)

Programmiersprachen
C++, C, Python, Matlab, Java, C#, Visual Basic, bash
Entwicklungstools
VS Code, Visual Studio, CMake, GNU tools, git, subversion, doxygen, sphinx (docs), vim
Oft verwendete Modelle / Konzepte aus Computer Vision / Maschinellem Lernen / Bildverarbeitung
Convolutional Neural Network (CNN), Support Vector Machine (SVM), Entscheidungsbäume / Random Forests, Ensemble-Methoden, Transferlernen, Multi-Label-Learning, Multi-Task-Learning, Klassifikation, Regression, Detektion, Registrierung, Segmentierung, Warping, Principal Component Analysis, Clustering, Tracking, optischer Fluss, Kameramodelle, Stereo Vision, Iterative Closest Point Algorithmus
Bibliotheken / Technologien
OpenCV, pytorch, tensorflow, numpy, pandas, scikit-learn, Boost, dlib, darknet (neural network framework), OpenGL, Multithreading, GPU, CUDA, OpenCL, ffmpeg/libav, protobuf, ADTF, Fox Toolkit, QT, wxWidgets, Windows, WinAPI, Linux, Linux Treiber, embedded Linux, Xenomai/Linux, Mikrocontroller
International selbst gehaltene Präsentationen zu eigenen Arbeitsergebnisse (in Englisch)
MIT Media Lab (Boston, USA, 2018) | IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops 2020 (remote) | International Conf. on Image Processing 2017 (Beijing, China), 2014 (Paris, Frankreich) und 2012 (Orlando, USA) | British Machine Vision Conf. 2015 (Swansea, UK) und 2013 (Bristol, UK) | Int'l Conf. on Pattern Recognition 2014 (Stockholm, Schweden) | Int'l Conf. on Automatic Face and Gesture Recognition 2019 (Lille, Frankreich) | Int'l Conf. on Affective Computing and Intelligent Interaction 2017 (San Antonio, USA) und 2019 (Cambridge, UK) | Universität Uberlândia (Brasilien, 2013)

Erfahrung

Berufserfahrungmehr als 10 Jahre
Freelancer seit2020

Sprachen

DeutschMutterspracheEnglischverhandlungssicher

Projekthistorie

Entwicklung eines KI-basierten Systems zu Entscheidungsunterstützung in medizinischer Anwendung

Entwicklung von Vorhersagemodellen und einer Demo-App zur Unterstützung von Ärzten bei der Diagnostik, Enscheidungsfindung und Vorhersage von Behandlungsergebnissen. Automatische Analyse von MRI, CT, und Röntgenbildern und weiteren Patientendaten, sowie Natural Language Processing mit LLMs und Audiotransktiption.
Tech: Python, PyTorch, OpenCV, pandas, numpy, SimpleITK, Deep Learning, Machine Learning, CNNs, LLMs, Transfer Learning, Multi-Task Learning, wxPython

Analyse, Weiterentwicklung, Optimierung und Refactoring eines komplexen C++ Software-Projekts

aigis Informatik GmbH, Meisterschwanden, Schweiz

Aufbau / Erweiterung eines Frameworks zur Datensynthese für Computer Vision

Robert Bosch GmbH / ITK Engineering GmbH

Automobil und Fahrzeugbau

>10.000 Mitarbeiter

  • Anforderungen: Generierung von synthetischen Kamerabildern inkl. Grundwahrheiten für Automotive Computer Vision Anwendungen, Unterstützung spezifischer komplexer Kamera-Intrinsik-Modelle, Multi-Kamera-Unterstützung, Sicherstellung von einfacher Bedienbarkeit und Installation, Stapelverarbeitung, Grundwahrheiten: Tiefe, optischer Fluss, Positionen von Kalibriermarkern, Odometrie, semantische Segmentierung
  • Tätigkeiten: Detailabstimmung von Anforderungen, Design, Implementierung, Dokumentation, Tests, Integration, Erstellung von 3D-Szenen und Konfigurationen für Tests
  • Tools: Blender, Python (Blender API, numpy, scipy, sklearn, pandas, click, pytest, sphinx), C++, Git/GitHub, OpenCV, OpenEXR

Sr. Staff AI Scientist (part-time / remote)

Uniphore Technologies Inc., Palo Alto, USA

Internet und Informationstechnologie

500-1000 Mitarbeiter

Entwicklung eines Deep Learning Modells zur Klassifikation von Audio-Daten für Emotions-KI, mit Programmierung für Training, Test, Echtzeit-Inferenz, Datenauswahl und -verarbeitung (mit Python, Tensorflow, Pandas, Cloud-Infrastruktur) sowie Durchführung von Experimenten zu Modellauswahl und der Optimierung von Hyperparametern

Beratung für bildbasierte Klassifikation von Objekten mit CNN für automatisierte Qualitätsendkontrolle in einer Produktionslinie

MVI PROPLANT Nord GmbH

Entwicklung von Computer-Vision-Algorithmen / Beratung

Anonymous
Bildverarbeitung, Punktlokalisierung, Registrierung, Segmentierung und Klassifikation mit OpenCV, Tensorflow und sklearn (Python)

Entwicklung eines Systems zur Analyse von Audiodaten in Echtzeit

Hexagone SAS (Strasbourg, France), later acquired by Uniphore (Palo Alto, CA, US)
Ich habe ein KI-System zur Erkennung von Emotionen in der menschlichen Stimme entickelt, zur Unterscheidung von z.B. fröhlichem vs. wütendem Ton in digitalen Audiodaten

Wichtige Merkmale des Projekts
  • Klassifizierung von Audio in Echtzeit auf Frame-Ebene
  • Hohe Modelleffizienz (Verarbeitung mehrerer Sekunden Audio pro Sekunde, auch ohne GPU)
  • Umgang mit massivem Ungleichgewicht der zu erkennenden Klassen

Wichtigste verwendete Technologien:  Deep Learning, CNNs, TensorFlow, Python

Entwicklung eines Systems zur Erkennung von DeepFakes

Hexagone SAS (Strasbourg, France), later acquired by Uniphore (Palo Alto, CA, US)
Ich habe ein System zur Erkennung von Deepfakes entwickelt. Dieses findet Gesichter in Bildern und Videos, die nicht echt sind, sondern manipuliert oder mit KI generiert wurden.

Wichtigste Merkmale des Projekts
  • Klassifizierung pro Gesicht und Bild + zeitliche Integration
  • Ausgehend von einem Open-Source-Ansatz auf dem neuesten Stand der Technik, Verbesserung der Genauigkeit bei gleichzeitiger Reduzierung der Rechenkosten
  • Bewältigung großer Domänenunterschiede aufgrund unterschiedlicher Software, die zur Erstellung von Deepfakes verwendet wird
Wichtigste verwendete Technologien: Deep Learning, CNNs, PyTorch, OpenCV, Python, C++

Entwicklung eines Echtzeitsystems zur Analyse von Videos und Erkennung von Ereignissen

HEXAGONE SAS / hexagone-ai.com, Strasburg, Frankreich

Internet und Informationstechnologie

  • Nutzung von CNN-Architekturen des aktuellen Standes der Technik
  • Verwendung von Tensorflow, Darknet, OpenCV, sklearn, Pandas, C++ und Python

Freiberuflicher Trainer

LYTiQ GmbH, Düsseldorf

Internet und Informationstechnologie

Trainer für Schulungen zu Machine Learning und Deep Learning mit Python, Tensorflow, Scikit-learn (15 Arbeitstage)

Fertigstellung meiner Doktorarbeit im Bereich Computer Vision

Otto-von-Guericke-Universität Magdeburg, AG Neuro-Informationstechnik

1000-5000 Mitarbeiter

Thema: "Automatisierte bild- und videobasierte Mimikanalyse für die Messung von Schmerzen und Facial Action Units"
Ich nutze u.a. CNNs, Transferlernen, Multi-Task-Lernen, Multi-Label-Lernen, Augmentierung, SVM, Random Forest, Detektion, Klassifikation, Regression, Clustering, Kameramodelle, optischen Fluss und Methoden der Bildverarbeitung um große Datensätze zu analysieren (hunderte Stunden Video), die Kollegen mit technischer Infrastruktur und Software aufgezeichnet haben, die ich zuvor entwickelt habe. Hierzu gehörte auch low-level-Code zum Betrieb verschiedener Kameras.

Entwicklung von Echtzeitsystem zur Objektdetektion und -registrierung sowie Klassifikation und Regression von Objekteigenschaften

Hexagone SAS (Strasbourg, France), later acquired by Uniphore (Palo Alto, CA, US)

Internet und Informationstechnologie

Ich habe ein Echtzeitsystem zur Analyse von Gesichtsausdrücken entwickelt, mit dem Emotionen erfasst werden können. Dazu gehörten Gesichtserkennung, Gesichtsregistrierung, Gesichtsverfolgung und -wiedererkennung, Klassifizierung von Gesichtsausdrücken und Regression der Intensität von Gesichtsausdrücken. Entsprechend den Kundenanforderungen habe ich das System auf Basis modernster CNN-Architekturen entworfen, implementiert und iterativ verbessert.

Wichtigste Merkmale des Projekts
  • Entwickelt für hohe Bildraten auch auf der CPU durch die Erstellung kleiner CNN-Modelle sowie durch Optimierung und Parallelisierung der Inference-Software
  • Multi-Label-Klassifizierung und Regression pro Gesicht und Frame
  • Entwicklung eines benutzerdefinierten Multitask-Modells für die kombinierte Gesichtserkennung und -registrierung
  • Kombination von Forschung und Entwicklung zur Optimierung der Lösung
Verwendete Schlüsseltechnologien: Deep Learning, CNNs, Tensorflow, Python, C++, Pandas, OpenCV, Darknet/YOLO, Boost

Nachwuchsforschungsgruppenleiter "Human Behavior Analysis"

Otto-von-Guericke-Universität Magdeburg, AG Neuro-Informationstechnik

1000-5000 Mitarbeiter

  • Forschung zur Verbesserung der Robustheit und Genauigkeit von Methoden zur Mimik-, Emotions-, und Schmerzerkennung, Körperposeschätzung, Erkennung von Gesten und Aktivitäten
  • Anleitung von und Zusammenarbeit mit 8 Mitarbeitern und Studenten (über den Gesamtzeitraum)
  • Training und Evaluierung von CNNs, Transferlernen, Multi-Label-Learning, Multi-Task-Learning, Self-Training, Optimierung von Hyperparametern, Weiterentwicklung von Erkennungsalgorithmen
  • Programmierung Python, Tensorflow, C++, OpenCV, dlib, Matlab
  • Zweiter Platz in EmotionNet 2020 Challenge zu Facial Action Unit recognition in the wild (Abstand von nur 0,05% zum Gewinner aber 5,9% zum Drittplatzierten)
    • Video zum CVPRW paper: https://www.youtube.com/watch?v=azMB9lOjcL4
  • Mehr: http://www.nit.ovgu.de/Philipp_Werner.html

Wissenschaftlicher Mitarbeiter

Otto-von-Guericke-Universität Magdeburg, AG Neuro-Informationstechnik

1000-5000 Mitarbeiter

  • Bearbeitung von Forschungsprojekten zur automatischen Mimikerkennung, Kopfposeschätzung und Schmerzerkennung (gefördert von DFG und BMBF)
  • Entwicklung von Algorithmen zur Analyse von Bildern, Videos, 3D-Daten und Biosignalen
  • Implementierung von Algorithmen in C++, Matlab und Python
  • Anwendung von maschinellem Lernen, überwiegend SVM und Random Forest, später auch CNNs
  • Entwicklung spezialisierter Merkmalsextraktion für kleine Datensätze (wo CNNs nicht optimal funktionieren)
  • Bearbeitung von Projekten zur Schätzung der Kopfpose des Fahrer für einen Automobilkonzern (C++, ADTF, OpenCV, auf Basis von RGBD-Sensoren und Multi-Kamera-Systemen), mehrere Teilprojekte in 2011 bis 2015
  • Bearbeitung einer Machbarkeitsstudie zur Messung von Reifenprofiltiefen mittels kostengünstiger RGBD-Sensoren für eine Werkstatttechnik-Firma
  • Entwicklung von echtzeitfähiger Software für multimodale synchrone Datenaufnahme mehrerer Kameras und anderer Signale, inkl. Videokompression

Weiterentwicklung von Bildverarbeitungsalgorithmen (Wissenschaftliche Hilfskraft)

Otto-von-Guericke-Universität Magdeburg, AG Technische Informatik
  • Schätzung der Eigenbewegung eines Fahrzeugs anhand von Optical Flow
  • Anwendung und Vergleich von Lucas-Kanade-Tomasi-Feature-Tracker und SURF-basierten Feature-Tracking (Software implementiert in C++ mit OpenCV)
  • Software-Entwicklung für Mimikerkennung (C++, OpenCV)

Echtzeitkommunikationskanäle für die FAMOUSO-Middleware (Diplomarbeit)

Otto-von-Guericke-Universität Magdeburg, AG "Embedded Systems and Operating Systems"
Konzeption, Implementierung und Evaluierung von Kommunikationskanälen mit harten Echtzeitanforderungen für verteilte Echtzeitsysteme
  • Umsetzung für CAN und dediziertes Ethernet
  • Uhrensynchronisation
  • Netzwerkzugriff durch TDMA geregelt
  • Dynamische Planung und Reservierungsprotokoll
  • stark konfigurierbare und ressourcenoptimierte Implementierung in C++ unter Nutzung von Templates (erlauen Composability-Checks zur Compile-Zeit sowie weitreichende Optimierung des Programmcodes)
  • Test der Implementierung unter Xenomai/Linux (PC) und auf einem 8-bit AVR-Mikrocontroller (mit 4 Kilobyte RAM)
  • Auszeichnung der Diplomarbeit durch den Fachausschuss Echtzeitsysteme der Gesellschaft für Informatik
Diplomarbeit: http://dx.doi.org/10.13140/2.1.4533.5845
Paper: https://link.springer.com/chapter/10.1007/978-3-642-33707-9_14
FAMOUSO Quellcode (C++): http://famouso.sourceforge.net/

Studium Ingenieurinformatik (Diplom 1,0 mit Auszeichnung)

Otto-von-Guericke-Universität Magdeburg
Schwerpunkte: Echtzeitsysteme, Eingebettete Systeme, Computer Vision, Betriebssysteme, Robotik

Anwendungsfach: Elektrotechnik

Software-Entwicklungsprojekte:
  • Steuerung eines Roboters mit Differentialantrieb durch ein Labyrinth (8-bit AVR Mikrocontroller programmiert mit C++),  Auslesen von Infrarot-, Ultraschall- und Odometrie-Sensoren, Ansteuerung der Motoren, Implementierung eines Wegfindealgorithmus
  • Entwicklung einer C++ Hardware-Abstraktionsbibliothek für Mikrocontroller mit minimalen Resourcenanforderungen
  • Entwicklung und Implementierung eines adaptiven Fragmentierungsprotokolls für die Middleware FAMOUSO (C++)
  • Konzeption und Implementierung eines Echtzeit-Videostreaming (Live-Webcam) über ein Wireless Mesh Network mit niedriger Latenz; automatische Regelung der Bildqualität auf Basis der verfügbaren Bandbreite und Datenverluste (C++, Nutzung von libv4l, libpgf, FAMOUSO)
  • Implementierung von inverser Kinematik und anderen Funktionen für einen simulierten Industrieroboter mit 6 Achsen (in C#)
  • Entwicklung einer KI für das Spiel Dame (in Java)

Rektifizierung von Stereo-Kamerabildern mit CPU und GPU

Otto-von-Guericke-Universität Magdeburg, AG Technische Informatik
  • Implementierung in C++ (CPU)
  • Implementierung einer parallelisierten Version für GPU in OpenCL
  • Validierung

Software- und Treiberentwicklung für ein eingebettetes Bildverarbeitungssystem (Praktikum, Bachelor-Arbeit)

Robert Bosch GmbH

>10.000 Mitarbeiter

  • Entwicklung eines Linux-Treiber für eine PCI-E FPGA-Beschleunigerkarte (inkl. DMA, Interrupts, parallelem Zugriff mehrerer Prozesse)
  • Entwicklung einer User-Space-Bibliothek und von Testanwendungen (inkl. GUI mit QT)
  • Implementierung in Programmiersprache C
  • Inbetriebnahme der FPGA-Karte und Software in Embedded Linux System
  • XSLT-basierte Codegenerierung (VHDL, C++, Matlab, Dokumentation) für Treiber- und Hardware-Interfaces (sowie Testcode) für einfache Einbindung der Hardwarebeschleunigung für Anwendungsentwickler und vereinfachte Spezifikation für FPGA-Entwickler

Teilnahme am Schülerwettbewerb „Bist du schon digital?!“ - Gewinner!

Zwei Schulfreunde und ich bauen die Ampelanlage einer Kreuzung unserer Heimatstadt im Modell nach, mit LEDs, Fußgängerbedarfstaster, Tag-/Nachtmodus und Steuerung durch einen Mikrocontroller. Ich programmiere die Ampelsteuerung im Mikrocontroller mit BASCOM. Wir werden mit zwei weiteren Finalisten an die Universität Magdeburg zur Vorstellung unseres Projektes eingeladen, gewinnen und erhalten ein Preisgeld von 1000 EUR.

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden