KI-Ingenieur – Computer Vision

Über die Rolle

Wir stellen einen begeisterten KI-Ingenieur-Praktikanten mit starkem Interesse an Computer Vision ein, um unserem Team bei GIFT City beizutreten. Sie erhalten praktische Erfahrungen beim Entwerfen, Trainieren, Optimieren und Bereitstellen von visionsbasierten KI-Systemen, die in den Bereichen Gesundheitswesen, Fintech, Fertigung, Einzelhandelsautomatisierung und Unternehmensanwendungen eingesetzt werden.

Dieses Praktikum ist ideal für Lernende, die einen echten Einblick in die KI-Entwicklung, große Datensätze und den Aufbau von Modellen in Produktionsqualität für globale Anwendungsfälle erhalten möchten.

Hauptaufgaben:

• Entwickeln, trainieren und optimieren Sie Computer-Vision-Modelle für Objekterkennung, Segmentierung, OCR, Anomalieerkennung, rPPG-basierte Vitaldatenextraktion und benutzerdefinierte Videoanalysen.
• Erstellen Sie robuste Datenpipelines für Bild-/Videoaufnahme-, Bereinigungs-, Erweiterungs- und Anmerkungs-Workflows.
• Führen Sie eine Modellbewertung mithilfe von Standardmetriken wie mAP, IoU, F1, Präzision, Rückruf, Latenz und Genauigkeit durch.
• Stellen Sie Modelle mit TensorFlow, PyTorch, ONNX Runtime oder OpenVINO in der Produktion bereit.
• Entwickeln Sie skalierbare Inferenz-APIs und integrieren Sie Modelle in Backend-Systeme.
• Implementieren Sie Techniken zur Modelloptimierung, einschließlich Quantisierung, Bereinigung, Destillation und GPU-Beschleunigung.
• Erforschen und experimentieren Sie mit modernen Architekturen wie Transformers, YOLO-Varianten, RNN/CNN-Hybriden und leichten Mobilmodellen.
• Arbeiten Sie mit DevOps-Teams zusammen, um Inferenz-Workloads mithilfe von Docker zu containerisieren und auf Cloud-Plattformen bereitzustellen.
• Dokumentieren Sie Experimente, Ergebnisse und Best Practices klar und deutlich für interne Teams und Kunden.

Erforderliche Fähigkeiten

• Gute Kenntnisse in Python und Deep-Learning-Frameworks (PyTorch oder TensorFlow).
• Solides Verständnis der Algorithmen des maschinellen Lernens und der Grundlagen des maschinellen Sehens.
• Erfahrung mit OpenCV, NumPy und Bild-/Videovorverarbeitung.
• Praktische Erfahrung mit Datensätzen, Anmerkungen und CV-Pipeline-Design.
• Fähigkeit, Deep-Learning-Modelle zu trainieren, zu validieren und zu optimieren.
• Vertrautheit mit der Bereitstellung von ML-Workloads in Cloud- oder Containerumgebungen.
• Gute Analyse- und Debugging-Fähigkeiten.

„Nice-to-have“-Fähigkeiten

• Erfahrung mit YOLOv7/8, Detectron2, MediaPipe, OpenVINO oder ONNX Runtime.
• Exposition gegenüber rPPG-Signalextraktion, Vitalwertschätzung und videobasierter Biometrie.
• Verständnis der MLOps-Tools und -Praktiken.
• Kenntnisse über AWS-, GCP- oder Azure ML-Dienste.
• Erfahrung mit GPU-Optimierung und Echtzeit-Modellleistungsoptimierung.