Erfahrungen und Know-how: starker theoretischer und praktischer Hintergrund in Machine Learning und Deep Learning; solides Verständnis von Konzepten der industriellen Automatisierung, Steuerungssystemen sowie Echtzeit- oder Embedded-Umgebungen; fundierte Programmierkenntnisse in Python und C++; Vertrautheit mit Standards der funktionalen Sicherheit (IEC 61508, ISO 13849) sowie formalen Verifikations- oder Validierungsmethoden; nachgewiesene Erfahrung beim Deployment und der Optimierung von KI-Modellen auf Edge-Geräten, Embedded-Hardware oder ressourcenbeschränkten Plattformen; Kenntnisse in Modelloptimierungstechniken wie Quantisierung, Pruning, Knowledge Distillation oder beschleunigter Inferenz (Accelerated Inference); praktische Erfahrung mit SPS-Umgebungen, industriellen Kommunikationsprotokollen (OPC UA, PROFINET, EtherCAT) oder industriellen Echtzeitplattformen sind wünschenswert
mehr