Machine Learning Researcher (all genders) - Hybrid, Berlin
Berlin Part-time Mid-level AI Research
At a glance
Mid-level AI Research role at dida. Berlin · part-time.
Pay not stated AI Research salary
RoleAI Research
SeniorityMid-level
LocationBerlin
EmploymentPart-time
PostedFeb 27, 2026 · 7mo ago
Role brief
aimlroles summary, based on the employer's posting.
What you'll do
- Analyze aerial and ground photos to find roof features, then estimate how many solar modules the roof can hold
- Recover roof pitch from two-dimensional images by building a three-dimensional representation
- Turn scanned legal files into searchable text and locate the passages that need review
- Create a labeling approach, sort legal passages into categories, and assess their legal effect
What you bring
- You have a solid grounding in mathematics and statistics
- You are interested in research across computer vision or natural language processing
Who this fits
This role suits a researcher drawn to computer vision or language-processing projects, with support for publishing research. The work is based in Berlin and uses a hybrid model, with mobile work also possible. Part-time and full-time arrangements are offered.
From the employer
Du arbeitest in einem interdisziplinären Team von Mitarbeitern mit einem soliden Hintergrund in Mathematik und Statistik. Wir bieten flexible Arbeitszeiten (Voll- und Teilzeit) und haben ein schönes Büro mit gutem Kaffee in Berlin Schöneberg. Wir bevorzugen ein hybrides Arbeitsmodell, sind aber auch offen für mobiles Arbeiten. Wir glauben an die Wissenschaft und unterstützen Sie bei der Veröffentlichung Ihrer Forschungsergebnisse.
Hier sind kurze Beschreibungen von einigen Projekten, an denen wir gearbeitet haben.
Schätzung der Anzahl von Sonnenkollektoren, die auf ein Dach passen (Computer Vision):
Anhand eines Satellitenbildes und eines Bodenbildes eines Hauses sollen bestimmte Elemente eines Daches (einschließlich Hindernisse, Dachgauben usw.) automatisch erkannt werden, um herauszufinden, wie viele Sonnenkollektoren darauf passen. Dies beinhaltet die Ableitung von 3D-Informationen aus 2D-Bildern, um die Dachneigung zu ermitteln.
Erkennen, Klassifizieren und Vorschlagen der rechtlichen Wirksamkeit von Textabschnitten (NLP):
Automatisches Durchgehen von Tausenden von Rechtsdokumenten mit dem Ziel, bestimmte Absätze zu klassifizieren und ihre rechtliche Wirksamkeit zu überprüfen. Dies beinhaltet die Konvertierung von Scans in Text, die Entwicklung eines Etikettierungsschemas (Problemmodellierung) und die automatische Erkennung verschiedener Absätze, bevor die Inferenzaufgabe in Angriff genommen wird.
Hier sind kurze Beschreibungen von einigen Projekten, an denen wir gearbeitet haben.
Schätzung der Anzahl von Sonnenkollektoren, die auf ein Dach passen (Computer Vision):
Anhand eines Satellitenbildes und eines Bodenbildes eines Hauses sollen bestimmte Elemente eines Daches (einschließlich Hindernisse, Dachgauben usw.) automatisch erkannt werden, um herauszufinden, wie viele Sonnenkollektoren darauf passen. Dies beinhaltet die Ableitung von 3D-Informationen aus 2D-Bildern, um die Dachneigung zu ermitteln.
Erkennen, Klassifizieren und Vorschlagen der rechtlichen Wirksamkeit von Textabschnitten (NLP):
Automatisches Durchgehen von Tausenden von Rechtsdokumenten mit dem Ziel, bestimmte Absätze zu klassifizieren und ihre rechtliche Wirksamkeit zu überprüfen. Dies beinhaltet die Konvertierung von Scans in Text, die Entwicklung eines Etikettierungsschemas (Problemmodellierung) und die automatische Erkennung verschiedener Absätze, bevor die Inferenzaufgabe in Angriff genommen wird.