Unternehmen
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 Mitarbeiter arbeiten aus dem europäischen Ausland, aber die meisten von uns arbeiten in unserem modernen Büro im Herzen Berlins.
Unser Team
Dr. Michael Borinsky
External Advisor
Intermediate
openCV, TensorFlowExpert
C++, Python, Mathematical Statistics, SciPy, Computer Vision, OpenGLMichael 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.
Dr. William Clemens
Intermediate
Numerical Optimization, Computer Vision, Shell Scripting, RExpert
Cuda, C++, Torch, TensorFlow, Deep Learning, Python, Mathematical StatisticsWill 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.
Johan Dettmar
Intermediate
Keras, TensorFlow, PyTorch, SciPy, LinuxExpert
Python, NumPy, Pandas, C#, MySQL, JavaScriptNach 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 toolsExpert
Biostatistics, Epidemiological data analysisNach 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, SciPyExpert
R, Stochastics and Probability Theory, Mathematical Optimization and Modelling, Nonparametric StatisticsNach 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 umfasst numerische Simulationen zur optimalen Hyperparameterauswahl in statistischen Lernalgorithmen. Da Ewelina von Problemstellungen fasziniert ist, die mathematische Fähigkeiten erfordern, ist sie Teil des Teams für maschinelles Lernen. Zuvor arbeitete sie als Risikoanalytikerin in einer internationalen Finanzinstitution.
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.
Max Glass
Intermediate
PHP, Electron, Angular, Java, SQL, Python, C#Expert
HTML, Sass, UI, UX, JavaScript, vue.jsMax 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.
Fabian Gringel
Intermediate
Java, Python, NLPExpert
Mathematical Modeling, Optimization, Physical SimulationsDurch 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 Heesen
Basic
Python, SQLRobert 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).
Philipp Jackmuth
Intermediate
NumPy, SciPy, RExpert
Python, SQL, Pandas, Data Analysis, Regression ModelsPhilipp 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.
Dr. Nelson Martins
External Advisor
Intermediate
Python, PyTorch, Reinforcement LearningExpert
Computer Vision, Image processing & segmentation, openCV, C++, TensorFlowWährend 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.
Lorenzo Melchior
Intermediate
TensorFlow, C, C++, Java, RExpert
Python, PyTorch, NumPy, Pandas, LinuxWährend 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
External Advisor
Intermediate
Computer Vision, Signal Processing, Optimal ControlExpert
Python, C++, Applied Probability Theory, Deep Learning, Software Engineering, Nonparametric ModelsNach 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.
Emilius Richter
Intermediate
Deep Learning, TensorFlow, Keras, SQLExpert
Python, MatlabWährend 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 VisionExpert
Statistical Learning Theory, Deep Learning, Python, Mathematical Statistics, Julia, TensorFlowAus 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.
Lovis Schmidt
Intermediate
PyTorch, Keras, TensorFlow, C++, OpenSQL, ABAPExpert
Python, SciPy, NumPy, PandasWährend seines Studiums der Mathematik an der TU Berlin konzentrierte sich Lovis auf Stochastik und Numerik, was ihn zu Machine- und Deep-Learning brachte. Er hat in einem IT-Beratungsunternehmen gearbeitet, wo er Erfahrung in der Entwicklung und Testen von Software gesammelt hat. Jetzt setzt er seine Mathematik- und Programmierkenntnisse bei dida ein.
Dr. Konrad Schultka
Intermediate
NLP, Computer Vision, Optimization, TensorFlowExpert
Probability Theory, Python, Deep Learning, PyTorchKonrad 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.
Tobias Sterbak
External Advisor
Intermediate
Speech Recognition, DevOps, Natural Language Generation, Docker, SparkExpert
Python, Keras, TensorFlow, NLP, PyTorch, Software Architecture, SpaCy, NLTkNach 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.
Dr. Petar Tomov
Intermediate
Java, NLP, Computer Vision, Reinforcement LearningExpert
Python, ABAP, TensorFlow, Complex Dynamical SystemsNach 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.
Dr. Frank Weilandt
Intermediate
Deep Learning, Keras, NLP, Computer VisionExpert
C++, Python, Topological Data AnalysisNach 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++, NLPExpert
Python, TensorFlow, NumPy, SciPy, Semantic Segmentation, OOPWährend 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.
Matthias Werner
Intermediate
Sequence Alignments, Markov-Chain-Monte-Carlo, Computer VisionExpert
C++, C, Python, Reinforcement Learning, Bayesian Deep LearningWährend seines Physikstudiums in Oldenburg und Berlin entwickelte Matthias ein reges Interesse an der Informatik. An der FU Berlin sammelte er Erfahrungen im Bereich der C++ Entwicklung und während seiner Zeit am GRIB in Barcelona befasste er sich mit DNA-Alignments und molekulardynamischen Simulationen. Aktuell beschäftigt sich Matthias insbesondere mit Reinforcement-Learning sowie der Anwendung von bayesianischen Methoden im Deep Learning.
Wolf Winkler
Intermediate
Deep Learning, Computer Vision, NLP, PyTorch, Python, Java, CExpert
Formal Knowledge Representation, Semantic ReasoningKunden 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.
Team
Expert
Machine Vision, NLP, Algorithms, OptimizationWeitere 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.