Data Scientist mit Schwerpunkt Computer Vision (Data Competency Center) in Sigma Software

Übernehmen Sie die Rolle eines Datenwissenschaftlers bei Sigma Software mit Schwerpunkt Computer Vision. In dieser dynamischen Position innerhalb unseres Data Competency Center werden Sie Innovationen vorantreiben, Lösungsarchitekturen erstellen und an Pre-Sales-Aktivitäten teilnehmen und dabei die Spitzentechnologie der Computer Vision nutzen. Project Wear ist ein Team von über 160 Fachleuten. Wir sind sehr unterschiedlich, aber ein paar Dinge machen ein echtes Team aus: echte Leidenschaft für unsere Arbeit, Freundlichkeit und unerschöpflicher Optimismus, egal was passiert. Wenn Sie als AsaMiddle Data Scientist dem BU003 Data Competency Center beitreten, werden Sie dessen Bemühungen maßgeblich mitgestalten und vorantreiben. VERANTWORTLICHKEITEN: Definieren und verfeinern Sie technische Anforderungen für Computer Vision-Projekte in enger Zusammenarbeit mit Kunden und Teamleitern. Leiten Sie die Erstellung und Implementierung fortschrittlicher Computer Vision-Modelle für Objekterkennung, Bildklassifizierung und Echtzeit-Videoanalyse. Integrieren Sie klassische Techniken des maschinellen Lernens wie Clustering, Klassifizierung usw Anomalieerkennung in Computer-Vision-Projekten zur Verbesserung von Genauigkeit und Effizienz. Arbeiten Sie mit einer Vielzahl von Datenquellen, um Daten für Computer-Vision-Anwendungen vorzubereiten und zu optimieren, und stellen Sie so ein robustes Modelltraining und eine robuste Modellleistung sicher. Leiten Sie die Integration von Computer-Vision-Modellen in Produktionssysteme mit Schwerpunkt auf Echtzeitleistung und Skalierbarkeit. Bleiben Sie auf dem Laufenden Informieren Sie sich über neue Trends und Technologien im Computer Vision, experimentieren Sie mit neuen Werkzeugen und Methoden, um die Grenzen aktueller Modelle und Lösungen zu erweitern. Kommunizieren Sie den Wert und die Auswirkungen von Computer Vision-Projekten an Stakeholder und setzen Sie komplexe technische Errungenschaften effektiv in strategische Geschäftsvorteile um. Beteiligen Sie sich aktiv an der Bewertung neuer Tools für die analytische Datentechnik oder Daten Wissenschaftliche ANFORDERUNGEN: fundierte Fachkenntnisse in Computer Vision, verstärkt durch ausgeprägte Python-Kenntnisse und ein tiefes Verständnis wesentlicher Frameworks wie OpenCV, TensorFlow und PyTorch. Umfassende Kenntnisse und praktische Erfahrung mit verschiedenen neuronalen Netzwerkarchitekturen, einschließlich Convolutional Neural Networks (CNNs), Fast R-CNN, VGG, ResNet, YOLO und SSD für Aufgaben wie Bildklassifizierung, Objekterkennung, Segmentierung und Echtzeit-Videoverarbeitung. Vertrautheit mit der Implementierung von Techniken wie Transferlernen, Datenerweiterung und Feinabstimmung zur Optimierung der Modellleistung. Solides Hintergrundwissen in klassischen Techniken des maschinellen Lernens, mit nachgewiesener Fähigkeit, diese Methoden effektiv mit fortschrittlichen Computer-Vision-Technologien zu integrieren. Nachgewiesener Erfolg bei der Verwaltung und Analyse verschiedener Datenquellen, einschließlich strukturierter und unstrukturierter , und Echtzeit-Datenströme, um Daten für Computer-Vision-Modelle vorzubereiten und zu optimieren. Verpflichtung zur kontinuierlichen beruflichen Weiterentwicklung, mit Schwerpunkt darauf, über die neuesten Fortschritte bei Computer-Vision-Methoden, -Tools und klassischen Techniken des maschinellen Lernens auf dem Laufenden zu bleiben. Englischkenntnisse: Sicher. Mittelstufe oder höher (beide schriftlich und gesprochen)PERSÖNLICHES PROFIL: Nachgewiesene Fähigkeiten zur Problemlösung und zum analytischen Denken, mit nachweislicher Erfolgsbilanz bei der Anwendung dieser Fähigkeiten auf reale Herausforderungen, um Probleme zu identifizieren, relevante Daten zu sammeln und kreative Lösungen zu entwickeln. FortsetzungEine kontinuierliche Lernmentalität stellt sicher, dass Sie über die neuesten Fortschritte im Deep Learning auf dem Laufenden bleiben und Ihre Fähigkeiten entsprechend anpassen. PROJEKTE Wir sind ein Team von über 160 Fachleuten. Wir sind sehr unterschiedlich, aber mehrere Dinge machen uns zu einem echten Team: echte Leidenschaft für unsere Arbeit, Freundlichkeit und uneingeschränkter Optimismus, egal was passiert. Wenn Sie als Middle Data Scientist dem BU003 Data Competency Center beitreten, spielen Sie eine entscheidende Rolle bei der Gestaltung und Entwicklung seiner Aktivitäten. VERANTWORTLICHKEITEN Definieren und spezifizieren Sie technische Anforderungen für Computer-Vision-Projekte in enger Zusammenarbeit mit Kunden und Teamkollegen. Verwalten Sie die Erstellung und Implementierung fortschrittlicher Computer-Vision-Modelle für Objekterkennung, Bildklassifizierung und Echtzeit-Videoanalyse. Implementieren Sie klassische Methoden des maschinellen Lernens wie Clustering und Klassifizierung und Anomalieerkennung in Computer-Vision-Projekten zur Verbesserung von Genauigkeit und Effizienz. Arbeiten Sie mit unterschiedlichen Datenquellen, um Daten für Computer-Vision-Anwendungen vorzubereiten und zu optimieren und so ein robustes Modelltraining und eine robuste Modellleistung sicherzustellen. Verwalten Sie die Integration von Computer-Vision-Modellen in Produktionssysteme, wobei der Schwerpunkt auf Echtzeit liegt Produktivität und Skalierbarkeit Bleiben Sie über neue Branchentrends und Computer-Vision-Technologien auf dem Laufenden, experimentieren Sie mit neuen Tools und Methoden, um die Grenzen bestehender Entscheidungsmodelle zu erweitern. Kommunizieren Sie Stakeholdern den Wert und die Auswirkungen von Computer-Vision-Projekten und setzen Sie komplexe technische Errungenschaften effektiv in strategische Geschäftsvorteile um Beteiligen Sie sich aktiv an der Evaluierung neuer Tools für die analytische Datentechnik oder Datenwissenschaft. Englischkenntnisse: Sicher. Mittleres Niveau oder höher (sowohl schriftlich als auch mündlich). ANFORDERUNGEN: Erfahrung im Bereich Computer Vision, unterstützt durch ein hohes Maß an Beherrschung der Programmiersprache Python und ein tiefes Verständnis der wichtigsten Frameworks wie OpenCV, TensorFlow und PyTorch. Umfassende Kenntnisse und praktische Erfahrung in der Arbeit mit verschiedenen neuronalen Netzwerkarchitekturen, einschließlich Convolutional Neural Networks (CNN), Fast R-CNN, VGG, ResNet, YOLO und SSD, z Aufgaben wie Bildklassifizierung, Objekterkennung, Segmentierung und Echtzeit-Videoverarbeitung. Kenntnisse in Implementierungsmethoden wie Transfer Learning, Datenerweiterung und Feinabstimmung zur Optimierung der Modellleistung. Solide Erfahrung in klassischen Methoden des maschinellen Lernens mit nachgewiesener Fähigkeit, diese effektiv zu integrieren Methoden mit fortschrittlichen Computer-Vision-Technologien. Erfolgreiche Erfahrung in der Verwaltung und Analyse einer Vielzahl von Datenquellen, einschließlich strukturierter und unstrukturierter Echtzeit-Datenflussdaten, mit dem Ziel, Daten für Computer-Vision-Modelle aufzubereiten und zu optimieren. Streben nach vorläufiger beruflicher Weiterentwicklung, mit Ein Schwerpunkt liegt auf der kontinuierlichen Verfolgung der neuesten Errungenschaften in den Bereichen Methoden, Computer-Vision-Tools und klassische Methoden des maschinellen Lernens