Job
In dieser Position entwickelst du Vision-Modelle mit PyTorch, optimierst Training-Pipelines und evaluiert die Modelle für effizientere Inferenz auf Edge-Geräten, während du innovative ML-Techniken anwendest.
Job-Technologien
Deine Rolle im Team
- Du entwickelst und trainierst unsere domänenspezifischen Vision-Modelle auf Basis aktueller State-of-the-Art-Architekturen und nutzt unsere Abfallbild-Datenbasis für Pretraining und Continued Pretraining.
- Du gestaltest unsere komplette ML-Trainings-Pipeline: von der Datenaufbereitung über verteiltes Training (PyTorch FSDP/DDP, Mixed Precision) bis zur Modell-Versionierung.
- Du baust und pflegst unsere Eval Suite - die zentrale Infrastruktur, die misst, ob unsere Modelle wirklich besser werden: Linear Probing, k-NN-Probing, Few-Shot-Detection, Cross-Domain-Generalization, Anomalie-Detection.
- Du finetunst und destillierst unsere Modelle für konkrete Downstream-Tasks und Edge-Hardware (Sortieranlagen, GPU-Inferenz).
- Du analysierst Trainings-Runs systematisch, identifizierst Probleme wie Feature Collapse oder Domain Shift und entwickelst nachhaltige Lösungen statt kurzfristiger Workarounds.
- Du arbeitest eng mit dem Cloud-Backend-Team zusammen, um Modelle effizient ins Deployment zu bringen (ONNX, TensorRT, OpenVINO).
- Du verfolgst aktiv die Forschungsentwicklung im Bereich Computer Vision und übersetzt relevante Paper in produktive Lösungen.
- Du denkst über das Modell hinaus und hast im Blick, wie deine Arbeit im realen Betrieb wirkt - für Sortieranlagen, Kunden und das Gesamtsystem.
Unsere Erwartungen an dich
Qualifikationen
- Du beherrschst PyTorch sicher - inklusive verteiltem Training (DDP, FSDP), gemischter Präzision (bf16/fp16) und Performance-Optimierung (torch.compile, Profiling).
- Du verstehst nicht nur, wie man ein Modell trainiert, sondern auch wie man evaluiert. Du weißt, dass eine schwache Eval Suite jedes Pretraining wertlos macht.
- Du nutzt moderne KI-Tools (z.B. Claude, Copilot), um Routine-Coding zu beschleunigen und dich auf die wirklich harten Forschungs- und Architekturfragen zu konzentrieren.
- Du hast ein gutes Verständnis für Datenpipelines bei großen Datenmengen (Millionen Bilder): effiziente Datenformate, GPU-Augmentations, I/O-Bottlenecks.
- Du kennst dich mit Inferenz-Optimierung und Modell-Distillation aus und hast idealerweise schon Modelle auf Edge-Hardware deployed.
- Ausgeprägte Problemlösefähigkeit, analytisches Denken und wissenschaftliche Sorgfalt - du arbeitest hypothesengetrieben und nicht nach dem Try-and-Error-Prinzip.
- Sicherer Umgang mit Cloud-GPU-Infrastruktur (AWS, Azure, GCP oder On-Premise H100/A100-Cluster).
- Fließende Deutsch- sowie gute Englischkenntnisse werden vorausgesetzt.
Erfahrung
- Du bringst mehrjährige Erfahrung in der Entwicklung und im Training von Computer-Vision-Modellen mit, idealerweise mit modernen Vision-Transformer-Architekturen und Self-Supervised-Learning-Methoden.
- Du hast Erfahrung mit modernen ML-Tooling-Stacks für Konfigurations-Management, Experiment-Tracking, Daten-Versionierung und Backbone-Bibliotheken.
- Erfahrung mit gängigen Detection-/Segmentation- sowie Anomalie-Detection-Frameworks ist von Vorteil.
- Idealerweise hast du eigene Forschungserfahrung (Paper, Open-Source-Beiträge, Konferenz-Talks) oder bist promoviert - kein Muss, aber ein Plus.
Unser Angebot
- Arbeit auf der "grünen Wiese" - Aufbau einer eigenen Foundation-Model-Strategie ohne Altlasten oder technische Schulden.
- Zugang zu einer einzigartigen, wachsenden Datenbasis aus realen Sortieranlagen - ein strategischer Vorteil, den keine Universität und kaum ein Wettbewerber hat.
- Einsatz aktueller Frameworks und eines top-modernen Tech-Stacks (PyTorch 2.x, FSDP, Hydra, W&B, DVC, timm).
- Substanzielle Compute-Ressourcen für Pretraining-Runs - wir wissen, dass ernsthaftes Foundation-Model-Training kein Hobby-Projekt ist.
- Enge Zusammenarbeit mit Forschungspartnern (u.a. THWS Würzburg im Rahmen von Green-INNO) und die Möglichkeit, eigene Forschungsergebnisse zu publizieren.
- Arbeiten in einem dynamischen und interdisziplinären Start-Up-Team mit viel Verantwortung und Gestaltungsspielraum von Anfang an.
- Kurze Entscheidungswege und eine Kommunikation ohne Umwege.
- Technologie mit Sinn: Du arbeitest an den größten Hebeln unserer Zeit - KI, Recycling und Circular Economy.
Themen, mit denen du dich im Job beschäftigst
Job-Standorte
Das ist dein Arbeitgeber
Die WeSort.AI GmbH mit Sitz in Würzburg nutzt innovative Technologien wie KI, Kameras und Röntgentechnologie, um Abfälle präzise zu identifizieren und zu sortieren. Ihre Systeme tragen zur Sicherheit bei, indem sie gefährliche Stoffe erkennen, und unterstützen die Rückgewinnung wichtiger Rohstoffe für die Kreislaufwirtschaft. Zu den Kunden zählen große Unternehmen im Bereich Abfallwirtschaft sowie kommunale Entsorgungsdienste.
- Startup
- Onsite
- Industrie, Produktion
Weitere Jobs
Diese Jobs könnten dich auch interessieren
Du gestaltest die technische Weiterentwicklung unserer Softwareprodukte aktiv mit und prägst deren langfristige Architektur. Du entwickelst mit C# als zentraler Entwicklungssprache und technologischer Grundlage unserer Kernanwendungen. Du konzipierst,...
Hallo, lass uns WIR sagen! Wir - die HUK-COBURG Versicherungsgruppe - zählen zu den 10 größten in Deutschland. Vor über 90 Jahren gegründet sind wir mit über 13 Millionen Kund:innen heute der große Versicherer für Privathaushalte und der größte deutsche...
Die sino AG, mit Sitz in der Düsseldorfer Innenstadt, ist seit über 25 Jahren ein innovativer Finanzdienstleister. Wir haben uns auf die Abwicklung von Wertpapiergeschäften für die aktivsten und anspruchsvollsten Trader in Deutschland spezialisiert. Mit...
