Modernes & klassisches Maschinelles Lernen

Insbesondere: Nicht-parametrische Methoden und Unüberwachtes Lernen.

Computer Vision & Grafik

Insbesondere: Geometrisches Erfassen und fotorealistische Modellierung sowie Animation menschlicher Charaktere.

Verschiedene verwandte Themen

Beispielsweise: Kausale Inferenz, Geometric Deep Learning, Rekurrente Neuronale Netze, Statistische Signalverarbeitung...

Erfahren in Datenanalyse, Data-Mining und Datenaufbereitung

Dimensionsreduktion, Visualisierung, Data Augmentation, Dev/Test/Train Set Organisation...

Fundierte Praxiskenntnisse in der Modellierung und dem Lösen diverser Arten von Optimierungsproblemen

Linear/nicht-linear, kontinuierlich/diskret, dicht/dünn besetzt, mit/ohne Randbedingungen, Regularisierung...

Kompetent mit verschiedensten Lern-Prinzipien/Methoden

Statistisches Lernen, Klassisches (Bayessches) Maschinelles Lernen, Deep Learning, Reinforcement Learning, Überwachtes/Unüberwachtes/Semi-überwachtes Lernen...

Fortgeschrittenes modernes C++

Nutzung gängiger Bibliotheken, z.B. Ceres, Eigen, Intel MKL, OpenGL, Qt, Boost...

Sicherer Umgang mit vielfältigen Skriptsprachen, insbesondere Python + NumPy + PyTorch

Beispielsweise: R, Octave + Symbolic, Bash...