Dr. Rolf Köhler

• Design und Implementierung eines Deep-Learning-Frameworks zur visuellen Qualitätsinspektion • Entwicklung von Proof-of-Concepts für verschiedene ML-Use-Cases (Regression, Similarity Search, OOD, Generative AI) • Aufbau und Orchestrierung von End-to-End-Trainingspipelines mit Apache Airflow • Monitoring, Analyse und Fehlerbehebung im gesamten ML-Lifecycle (Training → Deployment → Betrieb) • Automatisierung GPU-basierter Trainingsjobs (IBM LSF) • Tensorflow, MLOps, Apache Airflow, Scikit-learn, Python

• Design eines CNN -Hardwarebeschleunigers [CNN = Convolutional Neural Networks] • Optimierung und Portierung Neuronaler Netzwerke auf die Spezial Hardware • Optimierung und Erweiterung eines bestehenden Trainingsframeworks • Tensorflow, Scikit-learn, Python

Promotion im Bereich Deep Learning und Computer Vision

Vertiefung: Stochastik,

Vertiefung: Empirical Economics