27.10.2026 aktualisiert

**** ******** ****
verifiziert
Premiumkunde
100 % verfügbar

Software Developer und Machine / Deep Learning Engineer

Sonnenbühl, Deutschland
Sonnenbühl +25 km
Master of Science (M.Sc.)
Sonnenbühl, Deutschland
Sonnenbühl +25 km
Master of Science (M.Sc.)

Profilanlagen

Lebenslauf.pdf
CV.pdf

Über mich

Software Developer und Machine Learning Engineer mit Fokus auf Computer Vision Mit über 7 Jahren Erfahrung in der angewandten KI-Forschung verbinde ich wissenschaftliche Forschung mit praktischer Umsetzung von der Algorithmik (PyTorch, OpenCV, Burn) bis zur Systemintegration (Docker, ROS2).

Skills

JavaKünstliche IntelligenzKünstliche Neurale NetzwerkeComputer VisionAutomatisierungC#PythonMachine LearningOpenCVRust (Programming Language)PyTorchTransfer LearningDeep LearningScikit-learn
Als Wissenschaftlicher Mitarbeiter in der Cognitive Systems Research Group der Hochschule Reutlingen (2019-2026) war ich an KI-Forschungsprojekten wie AIDA (Human-centered Interactive Artificial Intelligence Data-Incubation Center), HEIDI (adaptive Mensch-Maschinen-Interaktion) und KI Delta Learning (Transfer Learning und Domain Adaptation) beteiligt. Meine Expertise liegt im Bereich Machine Learning mit Fokus auf Computer Vision und Domain Adaptation.

Ich verfüge über umfassende Python-Kenntnisse (PyTorch, NumPy, OpenCV, scikit-learn) sowie Rust-Expertise inklusive der Deep Learning Bibliothek Burn, welche sich dank plattformübergreifender GPU-Unterstützung und hoher Performance insbesondere für Edge AI eignet.

Programmiersprachen: Python, Rust, Java, C# (Unity), C++
Tools & Systeme: Linux, Docker, Blender, Vicon Motion Capture Systeme, ROS2
Sprachen: Deutsch (Muttersprache), Englisch (fließend)

Erfahrung

Berufserfahrung5 - 10 Jahre
Freelancer seit2026

Sprachen

DeutschMutterspracheEnglischverhandlungssicher

Projekthistorie

Human-centered Interactive Artificial Intelligence Data-Incubation Center (AIDA)

Hochschule Reutlingen

Öffentlicher Dienst

500-1000 Mitarbeiter

Aufbau eines Large Scale Motion Capture Systems.
Aufzeichnung von Datensätzen für Human Pose Estimation und Action Recognition.
Training von Action Recognition Modellen und Evaluation von Uncertainty Estimation im Kontext dieser Modelle.
Evaluation von Vision Language Models für Interaktionsstudien.

Holistic and adaptivE Interface Design for human-technology Interactions (HEIDI)

Hochschule Reutlingen

Öffentlicher Dienst

500-1000 Mitarbeiter

Entwicklung und Evaluation von Modelle zur Intentionsschätzung von Fußgängern.
Evaluation von Object Detection und Human Pose Estimation Modellen im Straßenverkehr auf Distanz.
Begleitung einer Motion Capture Studie zu eHMIs (https://tuprints.ulb.tu-darmstadt.de/entities/publication/57797fd5-5e5a-4ae5-adca-295f5a280b80).

Machine Learning Engineer

Steinbeis-Transferzentrum Mensch-zentrierte Künstliche Intelligenz

Internet und Informationstechnologie

< 10 Mitarbeiter

  • Leistungsanalyse und -optimierung einer Action Recognition; Erzeugung entsprechender Motion-Capture-basierter Trainingsdaten
  • Integration der Systemkomponenten bestehend aus Roboterplattform, Human Pose Estimation und Action Recognition zu einem Gesamtsystem in Form eines Demonstrators

KI Delta Learning

Hochschule Reutlingen

Öffentlicher Dienst

500-1000 Mitarbeiter

Entwicklung und Training von Modelle zur Domain Adaptation von Human Pose Estimation Modellen.
Hierbei wurde unter anderem "Auxiliary Task-guided CycleGAN" entwickelt (https://openaccess.thecvf.com/content/WACV2023/html/Essich_Auxiliary_Task-Guided_CycleGAN_for_Black-Box_Model_Domain_Adaptation_WACV_2023_paper.html).

Der für das Training aufgezeichnete Datensatz aus synchronisierten (paired) synthetischen und realen Bilddaten wurde mithilfe eines Vicon Motion Capture System sowie Intel RealSense Sensoren erstellt (https://www.kaggle.com/datasets/michaelbrunner1/paired-simtoreal-human-pose-dataset).

Für die Generierung des synthetischen Daten wurde eine Unity-basierte Simulation entwickelt. Die intrinsischen und extrinsischen Kameraparameter wurden mittels OpenCV ermittelt und anschließend in der Simulation für die automatisierte Nachbildung der realen Szene verwendet.

Prozedurale Lernbasierte Automatisierung des Entwurfs Analoger Integrierter Schaltungen unter Verwendung von Machine-Learning-Ansätzen (PLASMA)

Hochschule Reutlingen

Öffentlicher Dienst

500-1000 Mitarbeiter

Entwicklung und Training von Machine Learning Modellen, insb. neuronaler Netze, mit Pytorch.

Machine Learning Engineer

Steinbeis-Transferzentrum Mensch-zentrierte Künstliche Intelligenz

Internet und Informationstechnologie

< 10 Mitarbeiter

  • Entwicklung eines Annotations-Tools für Action-Recognition-Datensätze
  • Durchführung von Motion-Capture-Aufnahmen; Erstellung von 3D-Scans von Personen mit anschließendem Skinning und Rigging; Integration in Simulationsumgebung; Generierung synthetischer Trainingsdaten für Action Recognition

Portfolio

Bewertungen

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden