Werkstudent (m/w/d) Machine Learning/Computer Vision

menio GmbH

United States

Remote

USD 28,000 - 41,000

Part time

14 days+

Get a reply from this employer

Your resume and cover letter, tailored to exactly what they’re hiring for.

Get past ATS filters

Benefits offered by this job

Flexibles Arbeitsmodell
Kostenloses Mittagessen
Teamkultur und Weiterbildung
Zentrale Standorte
Obst, Kaffee & Tee
Team-Events
Bikeleasing und Corporate Benefits
Altersvorsorge-Unterstützung

Job summary

menio GmbH entwickelt kamerabasierte Speisenerkennung für Gemeinschaftsverpflegung. Als Werkstudent:in Machine Learning/Computer Vision arbeitest du an echten Kantinen-Daten, testest Few-Shot-Ansätze und vergleichst Modelle wie DINOv2, SigLIP oder MobileNet.

Du sammelst öffentliche Food-Datensätze, baust einen eigenen Kantinen-Datensatz auf, entwickelst Open-Set-Erkennung und optimierst Robustheit gegenüber Licht und Anrichtung.

Qualifications

  • Du studierst Informatik, Data Science, Mathematik oder einen vergleichbaren Studiengang.
  • Du hast eigene Projekte mit Python umgesetzt, z. B. im Studium, privat oder auf GitHub.
  • Du kennst Grundlagen von Machine Learning und Deep Learning und interessierst dich für Computer Vision.

Responsibilities

  • Recherche & Prototyping: Du vergleichst Ansätze für Few-Shot-Erkennung und visuelle Ähnlichkeitssuche (z. B. DINOv2, SigLIP, MobileNet).
  • Datenbasis: Du nutzt öffentliche Food-Datensätze zum Vortraining und baust einen eigenen Datensatz aus echten Kantinen auf.
  • Few-Shot-Erkennung: Du entwickelst Verfahren, neue Gerichte mit 1–5 Referenzbildern hinzuzufügen.
  • Open-Set-Erkennung: Du sorgst dafür, dass unbekannte Gerichte erkannt werden, nicht nur ähnlichste.
  • Robustheit: Du gewährleistest Erkennung bei unterschiedlichen Portionen, Beleuchtung und Anrichten.
  • Mehrere Gerichte pro Tablett: Du kombinierst Few-Shot-Erkennung mit Detektion/Segmentierung.
  • Kontextwissen: Du untersuchst, wie Tagesspeiseplan die Erkennung verbessern kann.
  • Evaluation: Du definierst Metriken und Testszenarien.

Skills

Python
PyTorch
Machine Learning
Computer Vision
Few-Shot
Open-Set
Bildklassifikation
Embeddings
Visuelle Ähnlichkeitssuche
Objekterkennung

Education

Informatik/Data Science/Mathematik Studium

Tools

PyTorch

Job description

Beschreibung

Beschreibung Computer Vision nicht nur auf vorhandenen Datensätzen testen, sondern sehen, wie dein Modell mit echten Daten aus Kantinen zurechtkommt? Bei menio entwickeln wir Software für die Gemeinschaftsverpflegung. Aktuell arbeiten wir an einer kamerabasierten Speisenerkennung: Gerichte sollen anhand weniger Referenzbilder gelernt und anschließend über eine Kamera automatisch erkannt und dem passenden Menüartikel zugeordnet werden. Als Werkstudent (m/w/d) Machine Learning/Computer Vision unterstützt du uns dabei, verschiedene Ansätze auszuprobieren, Modelle zu vergleichen und Schritt für Schritt einen funktionierenden Prototypen aufzubauen. Dabei arbeitest du an einem echten Anwendungsfall mit realen Daten und Herausforderungen, von ähnlich aussehenden Gerichten bis hin zu unterschiedlichen Lichtverhältnissen und Anrichtungen. Deine Aufgaben Recherche & Prototyping: Du vergleichst aktuelle Ansätze für Few-Shot-Erkennung und visuelle Ähnlichkeitssuche, z.B. DINOv2, SigLIP oder leichtgewichtige Modelle wie MobileNet. Datenbasis: Du nutzt öffentliche Food-Datensätze für Vortraining und Benchmarks und baust gemeinsam mit uns einen eigenen, sauber dokumentierten Datensatz aus echten Kantinen auf. Few-Shot-Erkennung: Du entwickelst ein Verfahren, mit dem neue Gerichte anhand von 1–5 Referenzbildern ohne komplettes Neutraining hinzugefügt werden können. Unbekannte Gerichte erkennen: Du sorgst dafür, dass das System erkennt, wenn es ein Gericht nicht kennt, statt einfach das ähnlichste zu raten (Open-Set-Erkennung). Robustheit & Standortwechsel: Du sorgst dafür, dass die Erkennung bei unterschiedlichen Portionen, Beleuchtungen und Anrichtungen funktioniert – und auch dann, wenn ein Gericht in KantineA registriert und in KantineB erkannt werden soll. Mehrere Gerichte pro Tablett: Du kombinierst die Few-Shot-Erkennung mit Detektion bzw. Segmentierung, sodass Hauptgericht, Beilage und Dessert einzeln erkannt werden. Kontextwissen nutzen: Du untersuchst, wie der Tagesspeiseplan (nur wenige Gerichte, bekannte Namen) die Erkennung verbessern kann, z.B. über die Bild-Text-Fähigkeiten von SigLIP. Evaluation: Du definierst Metriken und Testszenarien und findest heraus, unter welchen Umständen sich ähnliche Gerichte verwechseln lassen. Danach suchen wir Du studierst Informatik, Data Science, Mathematik oder einen vergleichbaren Studiengang. Du hast bereits eigene Projekte mit Python umgesetzt, zum Beispiel im Studium, privat oder auf GitHub. Du kennst die Grundlagen von Machine Learning und Deep Learning und hast Interesse an Computer Vision. Idealerweise hast du bereits mit PyTorch gearbeitet. Erste Erfahrungen mit Bildklassifikation, Embeddings, visueller Ähnlichkeitssuche oder Objekterkennung sind ein Plus, aber kein Muss. Begriffe wie Few-Shot Learning, Transfer Learning, Open-Set Recognition oder Segmentierung dürfen dir bekannt vorkommen, du musst aber noch kein Experte darin sein. Du hast Lust, neue Ansätze auszuprobieren und herauszufinden, was außerhalb eines perfekten Testdatensatzes tatsächlich funktioniert. Wichtiger als eine lange Liste an Vorkenntnissen sind für uns solide technische Grundlagen, Neugier und die Bereitschaft, dich in neue Themen einzuarbeiten.

Deine Aufgaben
  • Recherche & Prototyping: Du vergleichst aktuelle Ansätze für Few-Shot-Erkennung und visuelle Ähnlichkeitssuche, z.B. DINOv2, SigLIP oder leichtgewichtige Modelle wie MobileNet.
  • Datenbasis: Du nutzt öffentliche Food-Datensätze für Vortraining und Benchmarks und baust gemeinsam mit uns einen eigenen, sauber dokumentierten Datensatz aus echten Kantinen auf.
  • Few-Shot-Erkennung: Du entwickelst ein Verfahren, mit dem neue Gerichte anhand von 1–5 Referenzbildern ohne komplettes Neutraining hinzugefügt werden können.
  • Unbekannte Gerichte erkennen: Du sorgst dafür, dass das System erkennt, wenn es ein Gericht nicht kennt, statt einfach das ähnlichste zu raten (Open-Set-Erkennung).
  • Robustheit & Standortwechsel: Du sorgst dafür, dass die Erkennung bei unterschiedlichen Portionen, Beleuchtungen und Anrichtungen funktioniert – und auch dann, wenn ein Gericht in KantineA registriert und in KantineB erkannt werden soll.
  • Mehrere Gerichte pro Tablett: Du kombinierst die Few-Shot-Erkennung mit Detektion bzw. Segmentierung, sodass Hauptgericht, Beilage und Dessert einzeln erkannt werden.
  • Kontextwissen nutzen: Du untersuchst, wie der Tagesspeiseplan (nur wenige Gerichte, bekannte Namen) die Erkennung verbessern kann, z.B. über die Bild-Text-Fähigkeiten von SigLIP.
  • Evaluation: Du definierst Metriken und Testszenarien und findest heraus, unter welchen Umständen sich ähnliche Gerichte verwechseln lassen. Danach suchen wir
Qualifikationen

Du studierst Informatik, Data Science, Mathematik oder einen vergleichbaren Studiengang. Du hast bereits eigene Projekte mit Python umgesetzt, zum Beispiel im Studium, privat oder auf GitHub. Du kennst die Grundlagen von Machine Learning und Deep Learning und hast Interesse an Computer Vision. Idealerweise hast du bereits mit PyTorch gearbeitet. Erste Erfahrungen mit Bildklassifikation, Embeddings, visueller Ähnlichkeitssuche oder Objekterkennung sind ein Plus, aber kein Muss. Begriffe wie Few-Shot Learning, Transfer Learning, Open-Set Recognition oder Segmentierung dürfen dir bekannt vorkommen, du musst aber noch kein Experte darin sein. Du hast Lust, neue Ansätze auszuprobieren und herauszufinden, was außerhalb eines perfekten Testdatensatzes tatsächlich funktioniert. Wichtiger als eine lange Liste an Vorkenntnissen sind für uns solide technische Grundlagen, Neugier und die Bereitschaft, dich in neue Themen einzuarbeiten.

Das bieten wir dir
  • Flexibilität: flexible Arbeitszeiten & Remote Work sind selbstverständlich Teilzeit oder Vollzeit: Wir finden für Dich das richtige Arbeitsmodell
  • Kostenloses Mittagessen: dreimal pro Woche kostenloses Mittagessen
  • Teamspirit: Offene Arbeitskultur, kurze Entscheidungswege & agile Arbeitsmethoden
  • Raum für Ideen: Viel Gestaltungsspielraum
  • Workplace: Zentral gelegenes Office in Hannover oder Plauen mit moderner Ausstattung
  • Kaffee-Liebe: Frisches Obst, hervorragender Kaffee oder Tee und je Standort eine individuelle Getränkeauswahl
  • Gemeinsame Events: Regelmäßige Teamevents und Ausflüge
  • Mobilität & Benefits: Bikeleasing, Corporate Benefits und viele Weitere
  • Zukunftssicherheit: Angebot und Bezuschussung zur betrieblichen Altersvorsorge – damit du langfristig gut aufgestellt bist
  • Entwicklungsmöglichkeiten: zahlreiche Entwicklungs- & Fortbildungsmöglichkeiten sowie internationale Konferenzbesuche
  • Top-Team: Gut gelaunte & ambitionierte Kolleg:innen, die stolz auf das gemeinsame Werk sind
Get your free, confidential resume review.

or drag and drop your file here.

Similar jobs

Similar jobs worth comparing

DevOps / Platform Engineer (m/w/d) – (full remote möglich)
DevOps / Platform Engineer (m/w/d) – (full remote möglich)

zollsoft GmbH • United States

Remote
USD 110,000 - 180,000
Homeoffice/Mobiles Arbeiten
Dienstradleasing/Jobrad
Betriebliche Krankenversicherung
+2
Fullstack-Entwickler:in Schwerpunkt Webentwicklung (Homeoffice möglich)
Fullstack-Entwickler:in Schwerpunkt Webentwicklung (Homeoffice möglich)

zollsoft GmbH • United States

Remote
USD 90,000 - 150,000
Homeoffice/Remote Work
Flexible Arbeitszeiten
Weiterentwicklung
Senior Fullstack Entwickler PHP/Laravel (m/w/d) - Remote, 4-Tage-Woche
Senior Fullstack Entwickler PHP/Laravel (m/w/d) - Remote, 4-Tage-Woche

Händlerbund • United States

Remote
USD 77,000 - 110,000
Kita-Zuschuss
Altersvorsorge-Unterstützung
Leipziger Jobticket
+1
Cloud Infrastructure Engineer (m/w/d) – full remote möglich
Cloud Infrastructure Engineer (m/w/d) – full remote möglich

zollsoft GmbH • United States

Remote
USD 120,000 - 180,000
Homeoffice möglich
Flexible Arbeitszeiten
Betriebliche Altersvorsorge
+3
Projektmanager (m/w/d)
Projektmanager (m/w/d)

Menio • United States

Hybrid
USD 67,000 - 101,000
Flexibilität
Remote Work
Kostenloses Mittagessen
+2
Teamleiter Softwareentwicklung Ruby on Rails (m/w/d) - 100% remote
Teamleiter Softwareentwicklung Ruby on Rails (m/w/d) - 100% remote

zollsoft GmbH • United States

Remote
USD 100,000 - 156,000
Homeoffice/Remotearbeiten
Flexible Arbeitszeiten
Weiterentwicklung
+7
Softwareentwickler:in Machine- / Deep-Learning (Home Office) (m/w/d)
Softwareentwickler:in Machine- / Deep-Learning (Home Office) (m/w/d)

zollsoft GmbH • United States

Remote
USD 120,000 - 190,000
Home Office
Flexible Arbeitszeiten
Betriebliche Altersvorsorge
+5
Frontend / Web Entwickler (Angular, Home Office) (m/w/d)
Frontend / Web Entwickler (Angular, Home Office) (m/w/d)

zollsoft GmbH • United States

Remote
USD 80,000 - 120,000
Flexible Arbeitszeiten
Home Office/Mobiles Arbeiten
Weiterentwicklung
+7
DevOps Engineer (Homeoffice möglich)
DevOps Engineer (Homeoffice möglich)

zollsoft GmbH • United States

Remote
USD 90,000 - 130,000
Home Office
Flexible Arbeitszeiten
Weiterentwicklung
+2
Werkstudent (m/w/d) Machine Learning/Computer Vision
Werkstudent (m/w/d) Machine Learning/Computer Vision

Menio • United States

Hybrid
USD 23,000 - 38,000
Flexibilität
Teilzeit oder Vollzeit
Kostenloses Mittagessen
+3