Unternehmen

Transformieren Sie Ihr Business mit innovativen Machine Learning-Lösungen von dida

Unsere Services

Computer Vision

Erfahren Sie, wie wir Ihrer Infrastruktur das Sehen beibringen

Natural Language Processing

Automatisieren Sie Prozesse, die Text oder Sprache enthalten

Branchen

Erfahren Sie, was wir für Sie in jeder Branche machen können und bekommen Sie Ideen für die Anwendung von KI in Ihrem Unternehmen sowie Projekte, die wir bereits abgeschlossen haben.

Fertigungs- & Automobilindustrie

Regierung & Öffentlicher Sektor

ML Expert Talk

In unserem kostenfreien 1-stündigen Tech Talk wird einer unserer ML-Experten ein von Ihnen ausgewähltes Thema vorstellen.

Registrieren

Unternehmen

News

Nachrichten über Projekte, Webinare, Veranstaltungen und neueste Entwicklungen bei dida

Tech Lunch buchen

In 45-60min stellt einer unserer ML Experten ein ausgesuchtes Thema vor

Jobs

Mitarbeiten in einem multikulturellen und dynamischen Team

Presse

Aktuelle Informationen über dida für Journalist:innen und Pressemitarbeitende

Folgen Sie uns auf LinkedIn

Erfahren Sie von neuesten Themen und Entwicklungen bei dida.

Folgen

Ressourcen

Webinarthek

Wir bieten regelmäßige Webinare zu verschiedenen Themen rund um Machine Learning

Use Cases

Potentielle Anwendungsfälle in der Automatisierung von Workflows mit Machine Learning.

Publikationen

Forschungsartikel, zu denen unsere Machine Learning Scientists als Autoren bzw. Ko-Autoren beigetragen haben.

Unser Team verfügt über einen großen Erfahrungsschatz im Bereich der Softwareentwicklung und des IT-Projektmanagements. Wir sind stolz darauf, die Ziele unserer Kunden nie aus den Augen zu verlieren und legen großen Wert darauf, Projekte von Anfang an so zu gestalten, dass sowohl zeitliche als auch finanzielle Vorgaben eingehalten werden. Einige unserer Mitarbeitenden arbeiten aus dem europäischen Ausland, aber die meisten von uns arbeiten in unserem modernen Büro im Herzen Berlins.

Unsere Teammitglieder tragen regelmäßig zu zahlreichen wissenschaftlichen Arbeiten bei. Einen Auszug können Sie hier sehen.

Unsere Kunden

Unser interdisziplinäres Team verfügt über vielfältiges Wissen und diverse Erfahrungen

Rustam Antia (PhD)

Intermediate

Pytorch, Keras, Reinforcement Learning, Functional Programming

Expert

Python, Deep Learning, Derived Algebraic Geometry, Analytical Problem Solving

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.

David Berscheid

Intermediate

Python, R, Nlp, Computer Vision

Expert

Angular, Javascript, Nosql

Seit seines Masterstudiums in BWL an der HU Berlin machte sich David die Arbeit mit technologischen Produkten und Dienstleistungen zu seinem Schwerpunkt. Typischerweise an der Schnittstelle von Entwicklung und Management, sammelte er Erfahrung als Data Scientist, Frontend-Entwickler und Mitbegründer von eventasy, bevor er zur dida kam. Jetzt unterstützt er das Machine Learning-Team, um mehr Sichtbarkeit und spannende Projekte zu erhalten.

Moritz Besser

Intermediate

C++, Pandas, Deep Learning, Tensorflow, Computer Vision, Nlp

Expert

Labview, Python, Data Analysis, Solid State Physics, Extreme Conditions Experimental Physics

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 Borinsky (PhD)

Intermediate

Opencv, Tensorflow

Expert

C++, Python, Mathematical Statistics, Scipy, Opengl, Computer Vision

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.

Felix Brunner

Intermediate

Tensorflow, Numpy, Scipy, Scikit Learn

Expert

Python, Pandas, Econometrics

Felix hat einen Hintergrund in Ökonomie und Finanzwirtschaft und arbeitet derzeit an seiner Promotion in diesem Bereich. Während seines Studiums entwickelte er ein starkes Interesse an Machine Learning, was ihn dazu brachte, seine Fähigkeiten in Data Science und Programmierung zu vertiefen. Vor seinem Eintritt bei dida konnte er bereits praktische Erfahrung in der Unternehmensberatung und in Quantitative Finance sammeln.

William Clemens (PhD)

Intermediate

Numerical Optimization, Computer Vision, Shell Scripting, R

Expert

Cuda, C++, Torch, Tensorflow, Deep Learning, Python, Mathematical Statistics

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.

Fabian Dechent

Intermediate

C, C++, Linux, Matlab, Java, Deep Learning Theory, Cuda

Expert

Python, Monte Carlo Simulation, Time Series Analysis

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.

Johan Dettmar

Intermediate

Keras, Tensorflow, Pytorch, Scipy, Linux

Expert

Python, Numpy, Pandas, C#, Mysql, Javascript

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.

Zeinalabedine Eid

Intermediate

Data Selection, Annotation Tools

Expert

Biostatistics, Epidemiological Data Analysis

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.

Ewelina Fiebig

Intermediate

Python, Pandas, Numpy, Scipy

Expert

R, Stochastics and Probability Theory, Mathematical Optimization and Modelling, Nonparametric Statistics

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.

Franziska Flegel (PhD)

Intermediate

Sql, Python, Git, Java

Expert

Applied Stochastics, Statistical Physics, Matlab

Während ihres Masterstudiums in Physik (HU Berlin) und ihrer Promotion in Mathematik (WIAS Berlin) hat Franziska ein tiefes Verständnis für stochastische Prozesse in zufälligen Energielandschaften entwickelt. Ihre analytischen Fähigkeiten werden durch ihre Arbeitserfahrung bei einer mittelständischen IT-Dienstleisterin ergänzt, wo sie als Software-Entwicklerin und technische Beraterin in einem großen behördlichen IT-Projekt mitgearbeitet hat. Bei dida spezialisiert sie sich auf Natural Language Processing.

Astrid Gansekow

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.

Maximilian Glass

Intermediate

Graphql, Java, Python, C#, R

Expert

Ui, Ux, Typescript, Vue.js

Max sorgt für eine intuitive Usability unserer Softwareprodukte. Als Full-Stack-Developer/UX-Designer in einem, bestreitet er jeden Tag aufs Neue den Kampf zwischen klarem Design und optimaler Funktionalität.

Fabian Gringel

Intermediate

Java, Python, Nlp

Expert

Mathematical Modeling, Optimization, Physical Simulations

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.

Philipp Jackmuth

Intermediate

Numpy, Scipy, R

Expert

Python, Sql, Pandas, Data Analysis, Regression Models

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.

Angela Maennel

Intermediate

Python, Numpy, Computer Vision

Expert

Tensorflow, Symplectic Topology, Analytical Problem Solving

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.

Lorenzo Melchior

Intermediate

Tensorflow, C, C++, Java, R

Expert

Python, Pytorch, Numpy, Pandas, Linux

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.

Mattes Mollenhauer

Intermediate

Computer Vision, Signal Processing, Optimal Control

Expert

Python, C++, Applied Probability Theory, Deep Learning, Software Engineering, Nonparametric Models

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.

Konrad Mundinger

Intermediate

Statistical Learning Theory, Python, Tensorflow, Pytorch

Expert

Stochastic Analysis, Probability Theory, Deep Learning, Numpy

Während seines Mathematikstudiums (TU Berlin) mit Schwerpunkt Wahrscheinlichkeitstheorie und Funktionalanalysis stellte Konrad fest, dass die schönsten Anwendungen dieser mathematischen Zweige im Bereich des maschinellen Lernens liegen. Er legt großen Wert auf ein tiefgründiges mathematisches Verständnis der Algorithmen und der zugrundeliegenden Ideen. Bei dida unterstützt Konrad das Machine-Learning-Team bei NLP- und Computer Vision Projekten.

Marty Oelschläger (PhD)

Intermediate

C, C++, Python, Fortran, Keras

Expert

Nonequilibrium Physics, Asymptotic Methods, Perturbation Theory

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.

Emilius Richter

Intermediate

Deep Learning, Tensorflow, Keras, Sql

Expert

Python, Matlab

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.

Lorenz Richter

Intermediate

R, Non Convex Optimization, Computer Vision

Expert

Statistical Learning Theory, Deep Learning, Python, Mathematical Statistics, Julia, Tensorflow

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 10 Jahren diverse Data Science-Probleme praktisch gelöst. Lorenz leitet das Machine-Learning-Team.

Tiago Sanona

Intermediate

Pyspark

Expert

Python, Pandas, Numpy, Statistical Data Analysis

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 Schultka (PhD)

Intermediate

Nlp, Computer Vision, Optimization, Tensorflow

Expert

Probability Theory, Python, Deep Learning, Pytorch

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.

Alexander Spokoinyi

Intermediate

Variational Methods, Reinforcement Learning, Optimal Control

Expert

Time Series Analysis and Forecasting, Probabilistic Modeling, Deep Learning, Computational Neuroscience

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.

Tobias Sterbak

Intermediate

Speech Recognition, Devops, Natural Language Generation, Docker, Spark

Expert

Python, Keras, Tensorflow, Nlp, Pytorch, Software Architecture, Spacy, Nltk

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 Stoffel (PhD)

Intermediate

Tensorflow, Clojure, Java, Statistical Learning, Computer Vision, Nlp

Expert

Python, Numpy, Geometry and Topology, Category Theory

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 Stutz

Intermediate

Python, Pytorch, Fast.ai, Computer Vision

Expert

Airbus A320, Flight Operations

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.

Petar Tomov (PhD)

Intermediate

Java, Nlp, Computer Vision, Reinforcement Learning

Expert

Python, Abap, Tensorflow, Complex Dynamical Systems

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.

Frank Weilandt (PhD)

Intermediate

Deep Learning, Keras, Nlp, Computer Vision

Expert

C++, Python, Topological Data Analysis

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.

Jona Welsch

Intermediate

Pytorch, Computer Vision, Pandas, C++, Nlp

Expert

Python, Tensorflow, Numpy, Scipy, Semantic Segmentation, Oop

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.

Wolf Winkler

Intermediate

Deep Learning, Nlp, Pytorch, Python, Java, C, Computer Vision

Expert

Formal Knowledge Representation, Semantic Reasoning

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.

Unser Tech Stack