Machine Learning Working Student (all genders) - Hybrid, Berlin

Warum du dich für uns entscheiden solltest?

Wir haben uns vom ersten Tag an unsere Neugierde bewahrt, das heißt, wir wollen lernen und Neues entdecken. Dabei gehen wir im Team sehr sensibel miteinander um. Wir sind nicht hierarchisch organisiert, sondern arbeiten in Zirkeln zusammen. Wenn Du mehr über unsere Projekte erfahren willst, findest du hier zwei Beispiele.

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.