Nach seinem Diplom in Mathematik mit Nebenfach theoretische Physik an der Goethe Universität Frankfurt hat Rustam seine Freude am Lösen schwieriger Probleme in seiner Promotion an der University of Texas at Austin in den USA unter Beweis gestellt, für die er im Gebiet derivierte algebraische Geometrie geforscht hat. Auf der Suche nach neuen real-world Herausforderungen ist er zum Machine Learning gekommen und spezialisiert sich jetzt bei dida auf Deep Learning, insbesondere im Bereich Computer Vision.
Während seiner Zeit als Student der Experimentalphysik an der TU Dresden arbeitete Moritz im Labor für extreme Bedingungen am Max Planck Institut (CPfS) und entwickelte sich so zum Experten für LabVIEW und die Festkörperforschung. Dadurch, sowie seine Faszination für Machine Learning und die Fähigkeit komplexe Zusammenhänge einfach zu erklären ist er das ideale Bindeglied zwischen der Industrie und unserem Expertenteam.
Michael arbeitete bereits während seines Physikstudiums (HU Berlin) am ROOT-Datenanalysetool für Elementarteilchenexperimente des CERNs. Mit seinen Coding-Fähigkeiten und der im Rahmen seiner Promotion gesammelten Theorie- und AI-Expertise unterstützt der Quantenphysiker das Machine-Learning-Team.
Will entwickelte seine Mathematik- und Programmierkenntnisse während seines Studiums der theoretischen Physik an den Universitäten Warwick und Cambridge. Vor seiner Zeit bei dida promovierte er an der University of Southampton über Stringtheorie und Quantenchromodynamik. Derzeit ist Will auf den Bereich Computer Vision spezialisiert.
Während seines Studiums der theoretischen Physik an der Humboldt Universität zu Berlin, fokussiert sich Fabian auf numerische Simulationen und Machine Learning Algorithmen. Mit diesen Methoden hat er als wissenschaftlicher Mitarbeiter am Max Planck Institut für Licht, eine Quantencomputer Architektur simuliert und analysiert. Fabian ist besonders bemüht um ein fundiertes mathematisches Verständnis und unterstützt bei dida das Machine Learning Team.
Nach 10 Jahren als Full-Stack Web-Entwickler fasste Johan den Entschluss tiefer in den Bereich Data Science einzusteigen. Deshalb entschied er sich für ein Physik-Studium an der TU Berlin, mit Nebenfach Mathematik, Wahrscheinlichkeitstheorie und maschinellem Lernen. Nun wendet er sein neu erworbenes Wissen gepaart mit seinen Projektmanagement-Fähigkeiten bei dida an.
Nach seinem Pharmaziestudium an der Universität Tanta in Ägypten arbeitete Zeinalabedine in verschiedenen Positionen in verschiedenen Ländern, unter anderem in den Bereichen digitale Gesundheit und Pharmazie sowie Datenverwaltung. Er lernt leidenschaftlich gern und interessiert sich seit Jahren für die Kombination von maschinellem Lernen und Gesundheitswesen. Während seines Masterstudiums in Toxikologie an der Universität Potsdam unterstützt Zeinalabedine unsere Data-Management-Abteilung.
Nach ihrem Studium der Mathematik (TU Danzig, Polen) und Statistik (HU Berlin) promoviert Ewelina derzeit an der TU Berlin auf dem Gebiet der nichtparametrischen Statistik. Ihre Forschungsarbeit behandelt numerische Simulationen zur optimalen Hyperparameterauswahl für statistischen Lernalgorithmen. Da Ewelina von Problemstellungen fasziniert ist, die mathematische Fähigkeiten erfordern, ist sie Teil des Machine-Learning-Teams. Zuvor arbeitete sie als Risikoanalystin in einem internationalen Finanzinstitut.
Als zentrale Anlaufstelle für unsere Kollegen, Kunden und externe Partner regelt Astrid den Informationsfluss bei der dida. Nachdem sie bereits einige Jahre an Erfahrung als Assistenz der Geschäftsführung in der Software Branche sammeln konnte, unterstützt sie uns nun tatkräftig mit ihrem organisatorischen und buchhalterischen Können.
Max sorgt für eine intuitive Usability unserer Softwareprodukte. Als Frontend-Developer/UX-Designer in einem, bestreitet er jeden Tag aufs Neue den Kampf zwischen klarem Design und optimaler Funktionalität.
Durch sein Studium der Mathematik sowie Philosophie (HU Berlin, Uni Bochum) und sein Interesse an Fremdsprachen kann sich Fabian insbesondere für Projekte im Bereich Computerlinguistik begeistern. Erste Berufserfahrung erwarb er am Max-Planck Institut in Düsseldorf.
Robert bildet die Schnittstelle zwischen Kundenwunsch und der Umsetzung durch unser Machine-Learning-Team. Außerdem kümmert er sich um Vertrieb und Marketing. In den letzten 10 Jahren nach seinem BWL-Studium (Uni Maastricht, HHL Leipzig) war er Führungskraft in verschiedenen Branchen der Digitalwirtschaft (u.a. Axel Springer).
Dmitrii erwarb seine mathematischen und analytischen Fähigkeiten während seines Physikstudiums an der Polytechnischen Universität in St. Petersburg (SPbPU). In einem doppelten Masterstudium an der Uni Passau (Informatik) und der HSE Moskau (Wirtschaftsinformatik) vertieft er seine Informatikkenntnisse und spezialisiert sich auf Themen der natürlichen Sprachverarbeitung, wie mehrsprachige Textklassifikation und extreme Textverdichtung. Er hat bei einem globalen IT-Beratungsunternehmen praktische Erfahrungen gesammelt, wo er an der Entwicklung komplexer Preisprognosemodelle beteiligt war.
Philipp berät unsere Kunden bei der Auswahl der zu automatisierenden Prozesse. Im Anschluss sorgt er dafür, dass der gewünschte Mehrwert durch das Projekt erreicht wird. Vor seiner Zeit als Gründer und Geschäftsführer der dida begleitete der Statistiker (TU Berlin) das Wachstum der Beko Käuferportal GmbH.
Nach dem ausgezeichneten Abschluss ihres Mathematikstudiums an der ETH Zürich setzte Angela ihre Ausbildung in Hongkong und den USA fort. Während dieser Zeit wandte sich ihr Interesse allmählich dem maschinellen Lernen zu und sie spezialisierte sich auf das Gebiet. Bei dida kann Angela ihr mathematisches Können mit ihrer Begeisterung für Natural Language Processing und Computer Vision verbinden.
Während seiner Promotion in Informatik an der Universität Porto veröffentlichte Nelson verschiedene wissenschaftliche Artikel im Bereich “Image Processing”. Als externer Berater ist er unser erster Ansprechpartner, wenn es um Mustererkennung in jeglicher Art von Bildern geht.
Während seines Studiums der Mathematik und Informatik an der FU Berlin fand Lorenzo seine Leidenschaft für maschinelles Lernen und Statistik. Er hat Erfahrung in der Bilderkennung, Regressionsproblemen und im Umgang mit Zeitreihendaten. Seine DevOps-Fähigkeiten bringen ihm regelmäßig Lob von seinen Kollegen ein.
Nach seinem Mathematikstudium (FU Berlin) promoviert Mattes derzeit im Bereich Machine Learning für Zeitreihenprobleme in der Physik sowie in der Signalverarbeitung. Er war an verschiedenen KI-Projekten beteiligt und hat Erfahrung in der Umsetzung sowohl neuester Forschungsergebnisse als auch experimenteller Lösungen in Produktionssoftware.
In seinem Physikstudium (HU Berlin) untersuchte Marty Optimierungs- und inverse Probleme mit Hilfe von Python und Fortran. In seiner Doktorarbeit (Max-Born-Institut) fokussierte er sich auf fluktuationsinduzierte Phänomene, wobei er das Zusammenspiel von klassischer und Quantenstatistik untersuchte. Hierbei sammelte er Erfahrung in der Entwicklung und Design von Code in C und C++ und entwickelte Interesse für Machine Learning. Mit Ende seiner Promotion fokussierte er sich auf Deep Learning und Image Recognition.
Aus der Stochastik und Numerik kommend (FU Berlin), beschäftigt sich der Mathematiker seit einigen Jahren mit Deep-Learning-Algorithmen. Neben seinem Faible für die Theorie hat er in den letzten 5 Jahren diverse Data Science-Probleme praktisch gelöst. Lorenz leitet das Machine-Learning-Team.
Während seines Physikstudiums (FU Berlin) entwickelte Emil seine Leidenschaft für Machine Learning, Biophysik und Medizintechnik. Er arbeitete als Softwareentwickler für eine MRT-Forschungsgruppe, wo er seine Fähigkeiten im Bereich Deep Learning auf medizinische Atemscans anwenden konnte. Bei dida unterstützt er das Vertriebsteam in technischen Fragen und bei der Beschaffung neuer ML-Projekte.
Nach seinem Mathematik-Bachelor an der Universität von Porto arbeitete Tiago an verschiedenen Optimierungs- und Automatisierungsaufgaben für ein renommiertes portugiesisches Produktionsunternehmen. Diese Erfahrung motivierte ihn zu einem Masterstudium in Data Science an der Universität Potsdam. Bei dida verbringt Tiago den größten Teil seiner Zeit mit der Optimierung von Algorithmen zur Mustererkennung in Bilddaten.
Konrad erwarb seine Fähigkeiten im Bereich der mathematischen Modellierung an der HU Berlin. Ein Graduiertenstipendium der Berlin Mathematical School führte ihn dazu, die mathematischen Grundlagen von Quantenfeldern zu untersuchen. Nach dem Wechsel von der Quanten- in die klassische Welt haben sich seine Interessen auf die Analyse probabilistischer Modelle und tiefer neuronaler Netze verlagert.
Parallel zu seinem Studium in Mathematik (HU Berlin) spezialisierte sich Alex in künstlicher Intelligenz an der Universität Edinburgh. Zusätzlich zu seinem soliden theoretischen Verständnis erwarb Alex praktische Erfahrung in der Entwicklung und Optimierung von ML-Algorithmen durch frühere Projekte (z.B. intelligente Job-Matching-Plattform, Portfolio-Optimierung). Als ehemaliges NGO-Vorstandsmitglied weiss er auch, wie man Projekte leitet und mit verschiedenen Interessensgruppen kommuniziert.
Nach seinem Studium der Mathematik (HU Berlin) verbrachte Tobias einige Jahre in der Softwarebranche. Er unterstützt unser Machine-Learning-Team bei der Konzeption und Erstellung von Produktionscode und berät uns in allen Fragen rund um das Thema Mustererkennung aus Textdaten.
Augusto studierte Informatik in Brasilien und promovierte in Mathematik (University of Notre Dame, USA). Vor seiner Zeit bei dida war er Postdoktorand in Bonn und Greifswald und forschte auf dem Gebiet der algebraischen Topologie und ihrer Anwendung als Grundlage für die Quantenfeldtheorie.
Johannes arbeitet normalerweise als Verkehrspilot, momentan strebt er eine zweite Karriere im Bereich Data Science an. Als Machine Learning Consultant bei dida arbeitet er an Fernerkundungsprojekten. Er unterstützt das Team dabei, die Bedürfnisse unserer Kunden zu identifizieren und geeignete technische Lösungen zu entwickeln.
Nach seinem Studium (LMU München) und der Promotion in theoretischer Physik (HU Berlin) arbeitete Petar mehrere Jahre als IT-Berater in Projekten bei verschiedenen DAX-Unternehmen. In den letzten Jahren entwickelte er seine Leidenschaft für maschinelles Lernen und spezialisierte sich auf diesen Bereich. Petar unterstützt das Machine Learning Team als Entwickler und Projektmanager.
Nach seinem Mathematik-Studium an der Universität Bonn hat Frank in diversen Forschungsgruppen Python und C++ zur Daten-Analyse benutzt: Im Bereich Computer Vision am Fraunhofer-Institut in Sankt Augustin, bei seiner Promotion zur numerischen Simulation dynamischer Systeme in Krakau, Polen, und als Postdoc für topologische Daten-Analyse in Bremen. Nachdem er auf Polnisch Programmierkurse unterrichtet hat, bringt er nun bei uns dem Computer Sprache bei.
Während seines Studiums der Physik (TU Dresden, Universität Heidelberg) konnte Jona sich Kenntnisse in bildgebenden Verfahren, numerischen Methoden und Machine Learning aneignen. Am Deutschen Krebsforschungszentrum beschäftigte er sich mit Optimierungsmethoden und an der Universität Heidelberg forschte er zur Erklärbarkeit von Deep Learning Modellen. Vor seiner Zeit bei dida sammelte Jona Arbeitserfahrung bei einer international tätigen IT-Beratung und leitete die Entwicklung eines Deep Learning Produktes im Bereich Radiologie.
Kunden zuzuhören, ihre Herausforderungen zu verstehen und innovative Lösungen mit Hilfe von Künstlicher Intelligenz und Machine Learning zu finden, ist Wolfs Leidenschaft und Fokus. Er kann dabei auf Wissen und Erfahrung aus über 15 Jahre in der KI-Branche als Entwickler, Projektleiter, Produkt- und Business Development Manager zurückgreifen. Seine akademische Ausbildung erhielt Wolf als Diplom-Wirtschaftsingenieur am Karlsruhe Institute of Technology (KIT) und spezialisierte sich während eines Forschungsjahres am Digital Enterprise Research Institute (DERI) der University of Galway, Irland, auf die KI-Bereiche Formal Knowledge Representation und Semantic Reasoning.
Weitere Unterstützung erhalten wir durch freie Mitarbeiter, Doktoranden und Post-Docs aus den Bereichen Mathematik, Physik und Informatik. Diese Kombination ermöglicht es uns eine große Zahl von Machine-Learning Themenfeldern abzudecken und je nach Projekt die richtigen Spezialisten heranzuziehen.