Ingenieur für maschinelles Lernen (Computer Vision) in ITalent Spot

Über uns

Unser Kunde ist MilTech-Startup, das eine lokale Plattform für die automatisierte Annotation von UAV-Videos und das Training von Computer-Vision-Modellen für den autonomen Flug aufbaut.

die Finanzierung ist gesichert, die technische Vision existiert und die Daten sind verfügbar. Unser Fokus liegt jetzt auf dem Aufbau des Kern-Engineering-Teams, um diese Plattform in die Realität umzusetzen.

Die Rolle

Wir suchen einen Ingenieur für Computer Vision/Maschinelles Lernen.

Wir suchen einen CV/ML-Ingenieur als einer der ersten Ingenieure dem Team beizutreten. Sie arbeiten eng mit dem technischen Leiter zusammen, um die ML-Pipeline von Grund auf aufzubauen und Kernkomponenten für die Datenverarbeitung, das Modelltraining und die Bereitstellung zu implementieren.

Da es sich um ein Startup in einem frühen Stadium handelt, werden der Tech-Stack und die Prozesse noch geformt. Sie erhalten echten Input zu den Tools und Ansätzen, die wir anwenden, und Ihre Arbeit wird direkt die Funktionsweise der Plattform definieren. Wir suchen jemanden, der praktisch und neugierig ist und sich damit auskennt, Dinge zu entwickeln, die es noch nicht gibt.

Woran Sie arbeiten werden, Datenpipeline und Vorverarbeitung

• Erstellen Sie Pipelines für die Videovorverarbeitung: Clipsegmentierung, Bildextraktion, Szenenerkennung, Qualitätsfilterung

• Implementieren Sie die Einbettungsextraktion und Datenkuratierung Workflows zum Auswählen verschiedener Trainingsteilmengen aus einem riesigen Videokorpus

• Vorbereiten und Exportieren von Datensätzen in Standardformaten für Training und Annotation

Modelltraining und Experimentieren

• Trainieren und bewerten Sie Computer-Vision-Modelle für die Objekterkennung, -klassifizierung, -verfolgung usw Segmentierung

• Führen Sie Experimente durch, verfolgen Sie Ergebnisse und iterieren Sie an Modellarchitekturen und Hyperparametern

• Implementieren Sie Datenerweiterungsstrategien für Robustheit gegenüber Wetter-, Beleuchtungs- und Okklusionsbedingungen

• Tragen Sie zu verteilten Multi-GPU-Trainingspipelines bei

Unterstützung für aktives Lernen und Annotation

• Auto-Labeling-Pipelines mit konfidenzbasiertem Routing implementieren

• Tools rund um die Annotationsplattform erstellen (Vorannotation, Formatkonvertierung, Qualität

• Automatisierte Qualitätsprüfungen für Labelkonsistenz pflegen

Edge-Bereitstellung

• Modelle für Inferenz auf NVIDIA Jetson exportieren und optimieren (ONNX, TensorRT, FP16/INT8-Quantisierung)

• Genauigkeits- und Latenzbenchmarks auf Edge-Geräten ausführen

• Helfen Sie dabei, die Modellbereitstellungspipeline vom Training bis zur Bereitstellung aufrechtzuerhalten

Anforderungen müssen erfüllt sein Habe

• 3+ Jahre praktische Erfahrung in Computer Vision und Deep Learning
• Solide PyTorch-Kenntnisse – komfortables Schreiben von Trainingsschleifen, benutzerdefinierten Datensätzen und Modellcode
• Erfahrung mit mindestens einem Erkennungs- oder Segmentierungsframework (YOLO-Familie, Detectron2, MMDetection oder ähnlich)
• Verständnis von Modellbewertungsmetriken (mAP, IoU, Präzision/Rückruf)
• Vertrautheit mit Experimentverfolgung (MLflow, W&B oder ähnlich)
• Python als primäre Sprache; sauberer, gut strukturierter Code
• Komfortables Arbeiten in Linux und Containerumgebungen (Docker)

Nice to Have

• Erfahrung in der Modelloptimierung (ONNX-Export, TensorRT, Quantisierung)
• NVIDIA Jetson oder andere Edge-/mobile Bereitstellung
• Multi-Objekt-Tracking (ByteTrack, DeepSORT oder ähnliches)
• Erfahrung mit Videoverarbeitungs-Pipelines (FFmpeg, OpenCV, decord)
• Datenkuratierungs- oder Anmerkungstools (FiftyOne, CVAT, Label Studio)
• Verteiltes Training (DDP, Ray Train)
• UAV-/Drohnen-/Robotik- oder MilTech-Domänenerfahrung

Was wir anbieten

• Treten Sie einem Frühphasenteam bei, in dem Ihre Beiträge das Produkt vom ersten Tag an prägen
• Arbeiten Sie in der gesamten ML-Pipeline – nicht nur in einem schmalen Stück
• Der größte private UAV-Videodatensatz der Welt – im Petabyte-Bereich, unmöglich zu replizieren
• Dedizierte On-Premise-GPU-Ressourcen – keine Cloud-Warteschlangen oder Budgetverhandlungen für Berechnen
• Open-Source-First-Ansatz ohne Vendor-Lock-in
• Wachsen Sie schnell in einem kleinen Team mit direkter Betreuung durch den technischen Leiter