Junior Data Scientist (Praktikant)

Visarsoft; Eu; Sur place; EUR 42 000 - 66 000; Plein temps

Résumé du poste

Visarsoft sucht eine/n Data Scientist oder ML-Engineer zur Optimierung von Datenerstellungs- und -nutzungs-Pipelines, zur Vorverarbeitung von Drohnenbild-Datensätzen und zur Unterstützung beim Training von Modellen.

Sie arbeiten mit unstrukturierten Daten, verbessern Annotationen, messen mAP und IoU, und setzen COCO-/YOLO-Formate um. Gute Python-Kenntnisse, PyTorch-Grundlagen und Linux sind erwünscht.

Qualifications

• Python (NumPy, OpenCV, JSON/CLI-Skripte) wird vorausgesetzt.
• PyTorch-Grundkenntnisse – Training/Fine-Tuning von Modellen
• Verständnis für Detection vs. Instance vs. Semantic Segmentation; COCO- & YOLO-Formate
• Verstehen von Metriken (mAP, IoU) + Trainingskurven
• Erfahren im Umgang mit unstrukturierten/unsauberen Daten; Git, Linux

Responsabilités

• Vorbereitung und Bereinigung von Datensätzen zur Segmentierung von Drohnenbildern.
• Unterstützung beim Training und der Evaluierung von Modellen.
• Extraktion aussagekräftiger Merkmale aus Daten mit geringer Qualität.
• Verbesserung und Wartung von Datenerstellungs- und -nutzungs-Pipelines.
• Erstellung qualitativ hochwertiger Annotationen (manuell und automatisiert).
• Priorisierung von Daten mit der größten Wirkung.

Connaissances

Python

NumPy

OpenCV

JSON/CLI Skripte

PyTorch-Grundkenntnisse

mAP

IoU

Unstructured data

Git

Linux

COCO Format

YOLO Format

Outils

Git

Linux

CVAT

Ultralytics YOLO

DETR/HF Transformers

Description du poste

Responsibilities

• Vorbereitung und Bereinigung von Datensätzen zur Segmentierung von Drohnenbildern
• Unterstützung beim Training und der Evaluierung von Modellen
• Extraktion aussagekräftiger Merkmale aus Daten mit geringer Qualität
• Verbesserung und Wartung von Datenerstellungs- und -nutzungs-Pipelines
• Erstellung qualitativ hochwertiger Annotationen (manuell und automatisiert)
• Priorisierung von Daten mit der größten Wirkung

Must have

• Python (NumPy, OpenCV, JSON/CLI-Skripte)
• PyTorch-Grundkenntnisse — Training/Fine-Tuning von Modellen
• Verständnis für Detection vs. Instance vs. Semantic Segmentation; COCO- & YOLO-Formate
• Verstehen von Metriken (mAP, IoU) + Trainingskurven
• Erfahren im Umgang mit unstrukturierten/unsauberen Daten; Git, Linux

Nice to have

• CVAT / SAM Annotation, Ultralytics YOLO, DETR/HF Transformers
• Gespür für Augmentation + Fine-Tuning, Cloud-GPU (AWS)
• Neugierig und begeistert von Daten
• Sorgfältiger Umgang mit Daten: versteht das Prinzip „Garbage Labels → Garbage Model“