• Entwicklung, Training und Optimierung von Machine-Learning-Modellen zur Objekterkennung und Klassifikation in Radar- und EO-Daten
• Datenaufbereitung, Feature-Engineering und Unterstützung bei der Annotation von Trainingsdaten
• Optimierung von Modellen für Genauigkeit, Robustheit und Effizienz
• Test und Validierung von Modellen anhand von Testdatensätzen
• Integration von Modellen in Cloud Umgebungen
• Zusammenarbeit mit Data/ML Integration Engineers für MLOps, Deployment und Monitoring

• Abgeschlossenes Studium der Informatik oder abgeschlossene IT-Berufsausbildung, oder vergleichbare Qualifikationen
• Mehrjährige Erfahrung in der Entwicklung und Anwendung von Deep-Learning-Modellen im Bereich Computer Vision, idealerweise mit Bezug zu SAR- oder Erdbeobachtungsdaten
• Sehr gute Kenntnisse in gängigen ML-Frameworks und -Bibliotheken (z. B. PyTorch, TensorFlow, Keras, scikit-learn)
• Erfahrung in Datenaufbereitung, Augmentierung und Nutzung von Annotationstools (z. B. CVAT, Labelbox, Supervisely)
• Verständnis für Signal- und Bildverarbeitung sowie EO-/Radar-Datenformate (z. B. GeoTIFF, HDF5, SICD, NITF) von Vorteil
• Hohe Eigeninitiaitve und eine proaktive Arbeitsweise
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

Stärken und Erfahrungen zählen bei Rheinmetall, auch wenn vielleicht nicht alle aufgeführten Anforderungen vollständig erfüllt sind. Wir freuen uns auf Bewerber (m/w/d), die Lust haben, etwas zu bewegen und Verantwortung zu übernehmen. Wir legen Wert auf Individualität und Chancengleichheit . Schwerbehinderte Bewerber (m/w/d) werden bei gleicher Eignung besonders berücksichtigt.

An unserem Standort in Bremen bieten wir Ihnen:

• Betriebliche Altersvorsorge
• Aktienkaufprogramm
• 30 Urlaubstage
• Zugang zu den Corporate Benefits
• Deutschlandticket
• Umzugsunterstützung
• VIVA Familienservice
• Individuelle und vielfältige externe sowie interne Weiterentwicklungsmöglichkeiten u.a. in der Rheinmetall Academy
• Professioneller Einarbeitungsprozess begleitet durch ein digitales Onboarding