TinyML Engineer | Deep-Tech R&D | Hamburg

Ein sehr aufregendes und ungewöhnliches Deep-Tech-Start-up, insbesondere im Kontext von fortschrittlicher Robotik und KI, sucht einen außergewöhnlichen Tiny Machine Learning Engineer für ihr Büro in Hamburg, Deutschland. Idealerweise benötigen sie jemanden mit einer Mischung aus TinyML- und Mobile Robotics-Erfahrung. Es ist vorteilhaft, wenn Sie Erfahrung mit der Bereitstellung von ML auf eingeschränkter Hardware, z.B. Mikrocontrollern, haben.

Gelegenheit:

• Eine seltene Chance, einem schnell wachsenden Unternehmen beizutreten, das an der Spitze der eingebetteten KI arbeitet.
• Arbeiten Sie an ultra-niedrigleistungsfähigen ML-Systemen in einer Umgebung, die durch Innovation, Experimentieren und technische Ambitionen geprägt ist.
• Seien Sie Teil eines multidisziplinären Teams, das eingebettete Technik und fortschrittliche Sensorik kombiniert.
• Gestalten Sie die nächste Generation intelligenter Edge-Geräte, die für Echtzeit-Umweltbewusstsein und -kontrolle entwickelt wurden.

Rolle:

• Entwerfen, bereitstellen und optimieren Sie TinyML-Modelle auf Mikrocontrollern (ARM Cortex-M, RISC-V, benutzerdefinierte Beschleuniger), die in lebenden Insekten-Biobot-Systemen verwendet werden.
• Entwicklung von Echtzeit-Sensorik- und Steuerungspipelines.
• Anwendung fortschrittlicher Optimierungstechniken (Quantisierung, Pruning, Kompression).
• Integration von ML-Modellen mit fortschrittlichen eingebetteten Systemen.
• Gestaltung der nächsten Generation intelligenter Edge-Plattformen des Unternehmens.

Fähigkeiten:

• Erfahrung in Embedded ML / TinyML.
• Starker Hintergrund in C/C++, Python und Mikrocontroller-Plattformen.
• Erfahrung mit CMSIS-NN, Tensorflow Lite, Edge Impulse.
• Hintergrund mit Mikrocontrollern wie STM32, ESP32 oder Nordic-Plattformen.
• Starkes Verständnis von Maschinenlernen und tiefen Lernarchitekturen.
• Fließendes Englisch.

Dies ist eine sehr einzigartige Gelegenheit, da Sie die Chance haben, eine völlig neue Kategorie von Robotik aufzubauen. Wir sind besonders an Ingenieuren interessiert, die niedrigstufige eingebettete Expertise mit starkem ML-Intuition kombinieren und in hochgradig experimentellen Deep-Tech-Umgebungen gedeihen.