Working Student in the Field of Computer Vision

Kurzbeschreibung der Position

Implementierung und Anwendung von Computer-Vision-Ansätzen, einschließlich Objekterkennung, Bildklassifizierung, Bildsegmentierung und interaktiven Klassifikationssystemen. Entwicklung von UIs und Web-Apps.

Hauptaufgaben

• Implementierung und Anwendung von Computer-Vision-Ansätzen.
• Anwendung von Methoden aus sicherheitsrelevanten Bereichen wie visueller Alterschätzung.
• Objekterkennung (z.B. mit YOLO, RT-DETRv2, u.a.).
• Bildklassifizierung basierend auf gängigen Architekturen (z.B. Transformers: ViT, Swin, DeiT; CNNs: ResNet, EfficientNet; GNNs: GraphConv, GAT).
• Bildbeschriftung, visuelle Fragebeantwortung und multimodale Suche mit Vision-Language-Modellen (VLMs).
• Bildsegmentierung (z.B. mit SAM-3, DINO-3, u.a.).
• Implementierung und Durchführung von Experimenten im Bereich Machine Learning (ML).
• Reinigung, Vorbereitung, Aufteilung und Visualisierung von Daten.
• Anwendung von ML-Methoden wie Hyperparameteroptimierung, binäre/multiklassige/multilabel-Klassifizierung, Ensemble-Methoden.
• Evaluation/Benchmarking basierend auf standardisierten Metriken im Kontext von ML.
• Entwicklung von UIs und Web-Apps mit gängigen Frameworks (fastHTML, Streamlit, Gradio, Svelte, Flask/FastAPI).
• Zusammenarbeit in öffentlich geförderten und/oder industriellen Projekten.

Qualifikationen und Fähigkeiten

• Studium der Informatik, Mathematik oder eines verwandten Fachs mit Schwerpunkt Machine Learning und idealerweise Computer Vision.
• Solide Kenntnisse in ML: Vertrautheit mit verschiedenen Architekturen neuronaler Netze (insbesondere Vision Transformers und CNNs).
• Vertrautheit mit grundlegenden Begriffen und Konzepten in ML (insbesondere Klassifizierung, Hyperparameteroptimierung, Fine-Tuning, Evaluierung von Modellen).
• Solide Python-Kenntnisse sind obligatorisch und werden im Interview getestet.
• Vorteilhaft: Fähigkeit, Methoden und Verfahren aus wissenschaftlichen Publikationen selbstständig zu implementieren.
• Vorteilhaft: Kenntnisse und Erfahrungen im Bereich Cybersecurity.
• Bereitschaft, sich neuen Herausforderungen zu stellen.
• Starkes analytisches Denkvermögen.

Arbeitsort / Rahmenbedingungen

• Flexible Arbeitszeiten, die gut mit Ihrem Studium vereinbar sind.
• Inspirierende Arbeitsumgebung mit modernster Infrastruktur.
• Möglichkeit, praktische Erfahrungen zu sammeln und wertvolle Kontakte in der Forschung zu knüpfen.
• Möglichkeit für spätere Bachelor- und Masterarbeiten.
• Die monatlichen Arbeitsstunden liegen je nach Vereinbarung zwischen 40 und 80 Stunden.