vom 12.11.2025
Integration eines vorgegebenen KI-Modells z.B. ONNX, 32-bit Float Weights in die Zielumgebung. Abschätzung der erforderlichen NPU-Leistung für echtzeitkritische Anwendungen. Auswahl einer geeigneten Prozessorplattform z.B. NXP i.MX95 und Nvidia Jetson. Prototypische Implementierung und Ausführung des Modells auf der gewählten Plattform. Performanceoptimierung durch Pruning und Quantisierung.
Anforderungen: Abgeschlossenes Studium mit Schwerpunkt Künstliche Intelligenz, Informatik oder vergleichbare Qualifikation. Erfahrung mit KI-Modellen und Frameworks (z.B. ONNX, TensorFlow, PyTorch). Expertise in Embedded-Systemen und der Hardware-Beschleunigung (NPU/GPU). Fundiertes Wissen im Performancetuning von KI-Modellen (Pruning, Quantization). Fähigkeit zur prototypischen Umsetzung auf Plattformen wie NXP i.MX95 oder Nvidia Jetson. Sehr gute Deutsch- und gute Englischkenntnisse in Wort und Schrift.
Start ab 04.01.2026 oder nach Vereinbarung in Nürnberg, 20% Remote.
Kontaktadresse
|
