Adithya Balaji-Robotics- und Edge-AI-Ingenieur
Tagessatz prüfen
Erfahrungen
Edge AI Software Engineer
Neura Robotics GmbH
- Vision-Language-Action-(VLA)- und Diffusion-Policy-Modelle auf NVIDIA Jetson Orin und Jetson Thor bereitgestellt und optimiert, um Echtzeit-Inferenz-Latenz-Ziele für humanoide Roboter-Steuerungsschleifen zu erreichen.
- TensorRT-Engine-Pipelines (PyTorch → ONNX → TensorRT) mit INT8/FP8 Post-Training-Quantisierung, Design von Kalibrierungsdatensätzen und quantisierungsbewusster Validierung aufgebaut, wodurch der Inferenz-Speicherbedarf auf Jetson um mehr als das 3-Fache reduziert wurde, ohne Genauigkeitsverlust.
- Eigene CUDA-C++-Plugins und CUDA Graphs für latenzdeterministische, echtzeitfähige Policy-Ausführung entwickelt – und damit harte Laufzeit- und Speichergrenzen auf eingebetteten GPU-Zielsystemen eingehalten.
- Eine Inferenz-Engine für VLA-Modelle auf Basis von llama.cpp entwickelt, die verschiedene VLA-Policies unter einer einzigen Runtime zusammenführt und jede als eine einzelne, selbst enthaltene GGUF verpackt, die kein Python oder PyTorch benötigt.
- GPU-Ausführung mit NVIDIA Nsight Systems und Nsight Compute profiliert und optimiert, CUDA-Kernel-Engpässe, Sättigung der Speicherbandbreite und SM-Auslastungsprobleme über Jetson-Orin- und Thor-Compute-Profile hinweg identifiziert und damit eine Performance-Optimierung über mehrere Schichten umgesetzt.
Embedded AI Software Engineer
Huber Automotive AG
- Embedded AI Inferenz-Pipelines auf dem NXP S32V234 Vision-Prozessor und auf eingeschränkten Mikrocontroller-Zielsystemen entworfen und benchmarked, Optimierungsstrategien für Echtzeit-Wahrnehmung direkt auf dem Gerät unter strengen Vorgaben für Stromverbrauch und Speicher ohne GPU-Beschleunigung bewertet.
- Quantisierte (INT8) Modelle für Personen- und Objekterkennung für Embedded-Deployments entwickelt und dabei strukturierte Sparsity und Token-Pruning für transformerbasierte Detektoren eingesetzt, um harte Rechen- und Speichergrenzen auf Hardware der Mikrocontroller-Klasse einzuhalten.
- Embedded-AI-Anwendungen für das intelligente Batteriemanagement (ESP32, Infineon AURIX™ TC3xx/TC4xx) für SOC-/SOH-Schätzung entwickelt, was ein Hardware/Software-Co-Design über eingeschränkte Mikrocontroller-Zielsysteme hinweg erforderte.
- Multimodale Sensor-Fusion-Pipelines (Kamera, Radar) in C++ und Python mit ROS2 für autonome Mobilität und Zielverfolgung auf Embedded-Plattformen aufgebaut.
- Am VeoPipe-Projekt mit Fraunhofer IPA mitgearbeitet und eine zertifizierbare, reproduzierbare MLOps-Pipeline mit standardisiertem Testing und Traceability für Embedded-Robotics-Deployments über verschiedene Beschleuniger-Zielsysteme hinweg aufgebaut.
AI Research Intern
Reliev
- Eine umfangreiche Literaturrecherche zu multimodaler Biosignal-Analyse und Deep-Learning-Architekturen für Anfalls- und Bewegungserkennung durchgeführt.
- Deep-Learning-Modelle für die Erkennung von Biosignalen und Bewegungsmustern mit CNNs und RNNs auf ECG- und IMU-Daten entworfen und trainiert.
- End-to-End-Pipelines für Datenaufnahme und Vorverarbeitung (FastAPI, InfluxDB) für Signal-Fusion, Rauschfilterung und Active Learning aufgebaut.
Data and Automation Engineer
EMIS Health
- Machine-Learning-Modelle entwickelt, um Sprachaufnahmen von Notrufen für den NHS, Vereinigtes Königreich, zu analysieren.
- An Design und Entwicklung eines Data Lakes auf Starburst und AWS mit Big-Data-Technologien wie Apache Spark, Kafka und Airflow, Presto sowie Datenbanken wie SQL Server, Postgres, Presto und DynamoDB gearbeitet.
- QA-Automatisierungstests mit FlaUI, xUnit, Specflow und Cucumber in C# für .NET-Anwendungen entwickelt und umgesetzt
Associate Software Engineer
Accenture
- Analysen von Telekommunikationsdaten im großen Maßstab mit Data-Warehousing- und ETL-Techniken durchgeführt.
- Automatisierungs-Frameworks mit Python und Selenium erstellt, um die Testeffizienz und -genauigkeit zu erhöhen.
- Erfahrung mit verschiedenen Tools wie Splunk, Tableau usw. für Datenvisualisierung und Analyse gesammelt.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Gesundheitswesen, Fertigung, Automotive, Informationstechnologie (IT), Biotechnologie und Telekommunikation.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Qualitätssicherung, Produktentwicklung, Forschung und Entwicklung (F&E) und Business Intelligence.
Zusammenfassung
Robotics- und Edge-AI-Ingenieur, der Wahrnehmungs- und Inferenzsysteme für Echtzeit-Autonomie unter engen Vorgaben bei Rechenleistung, Stromverbrauch und Speicher entwickelt. Erfahrung über den gesamten Modell-Lebenszyklus hinweg, von der Architektur und Komprimierung bis zur Bereitstellung auf dem Gerät, mit einem systemischen Fokus auf Reproduzierbarkeit, Zuverlässigkeit und Hardware/Software-Co-Design.
Fähigkeiten
- Programmiersprachen: Python, C, C++, C#, Matlab
- Skills: Robotics, Ki, Computer Vision, Motion Planning, 3d Reconstruction, Embedded Development, Edge Ai, Qa, Latex Und Unit Testing
- Middleware: Ros 1&2, Fastdds, Zenoh, Micro-Ros
- Frameworks: Tensorflow, Pytorch, Caffe, Onnx, Opencv, Pcl, Tensorrt, Ggml, Llama.Cpp
- Deployment: Docker, Kubernetes, Fastapi, Plotly, Dash, Streamlit
- Edge Devices / Hardware: Nvidia Jetson Orin, Nvidia Thor, Nvidia Drive Agx, Nxp S32, Qualcomm Snapdragon, Infineon Aurix™ Tc3xx/Tc4xx
- Devops: Gitlab, Github Actions, Azure Devops, Ci/Cd-Pipelines
- Projektmanagement: Jira, Confluence, Polarion, Hp Alm
Sprachen
Ausbildung
Ecole centrale de Nantes
Control and Robotics - Advanced Robotics · Frankreich
Anna University
Automotive Engineering · Indien
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Gehalts- / Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Edge AI Software Engineer
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von München, Deutschland arbeiten
