Machine Learning Researcher (all genders) - Hybrid, Berlin
dida · Berlin ·
- Category
- ML ai
Du arbeitest in einem interdisziplinären Team von Mitarbeitern mit einem soliden Hintergrund in Mathematik und Statistik. Wir bieten flexible Arbeitszeiten (Voll- und Teilzeit) und haben ein schönes Büro mit gutem Kaffee in Berlin Schöneberg. Wir bevorzugen ein hybrides Arbeitsmodell, sind aber auch offen für mobiles Arbeiten. Wir glauben an die Wissenschaft und unterstützen Sie bei der Veröffentlichung Ihrer Forschungsergebnisse.
Hier sind kurze Beschreibungen von einigen Projekten, an denen wir gearbeitet haben.
Schätzung der Anzahl von Sonnenkollektoren, die auf ein Dach passen (Computer Vision):
Anhand eines Satellitenbildes und eines Bodenbildes eines Hauses sollen bestimmte Elemente eines Daches (einschließlich Hindernisse, Dachgauben usw.) automatisch erkannt werden, um herauszufinden, wie viele Sonnenkollektoren darauf passen. Dies beinhaltet die Ableitung von 3D-Informationen aus 2D-Bildern, um die Dachneigung zu ermitteln.
Erkennen, Klassifizieren und Vorschlagen der rechtlichen Wirksamkeit von Textabschnitten (NLP):
Automatisches Durchgehen von Tausenden von Rechtsdokumenten mit dem Ziel, bestimmte Absätze zu klassifizieren und ihre rechtliche Wirksamkeit zu überprüfen. Dies beinhaltet die Konvertierung von Scans in Text, die Entwicklung eines Etikettierungsschemas (Problemmodellierung) und die automatische Erkennung verschiedener Absätze, bevor die Inferenzaufgabe in Angriff genommen wird.
Hier sind kurze Beschreibungen von einigen Projekten, an denen wir gearbeitet haben.
Schätzung der Anzahl von Sonnenkollektoren, die auf ein Dach passen (Computer Vision):
Anhand eines Satellitenbildes und eines Bodenbildes eines Hauses sollen bestimmte Elemente eines Daches (einschließlich Hindernisse, Dachgauben usw.) automatisch erkannt werden, um herauszufinden, wie viele Sonnenkollektoren darauf passen. Dies beinhaltet die Ableitung von 3D-Informationen aus 2D-Bildern, um die Dachneigung zu ermitteln.
Erkennen, Klassifizieren und Vorschlagen der rechtlichen Wirksamkeit von Textabschnitten (NLP):
Automatisches Durchgehen von Tausenden von Rechtsdokumenten mit dem Ziel, bestimmte Absätze zu klassifizieren und ihre rechtliche Wirksamkeit zu überprüfen. Dies beinhaltet die Konvertierung von Scans in Text, die Entwicklung eines Etikettierungsschemas (Problemmodellierung) und die automatische Erkennung verschiedener Absätze, bevor die Inferenzaufgabe in Angriff genommen wird.