Machine Learning Engineer
- Verfügbarkeit einsehen
- 0 Referenzen
- 75€/Stunde
- 60389 Frankfurt am Main
- Weltweit
- de | en
- 16.06.2026
Kurzvorstellung
Geschäftsdaten
Qualifikationen
Projekt‐ & Berufserfahrung
1/2025 – offen
Tätigkeitsbeschreibung
Freiberufliche Entwicklung von Software-, Daten- und KI-Lösungen mit Fokus auf Full-Stack-Entwicklung, Machine Learning, lokale LLMs und produktionsnahe Backend-Architekturen.
Entwicklung von Web- und Mobile-Anwendungen mit Next.js, React, TypeScript, Expo/React Native, modernen UI-Komponenten, Auth-Flows, Routing und Internationalisierung (i18n).
Entwicklung von Backend-Services mit FastAPI, SQLModel, Pydantic, Alembic, PostgreSQL und REST-APIs.
Aufbau serviceorientierter Backend-Architekturen inklusive Datenmodellierung, Datenbankmigrationen, Authentifizierung, API-Design und Docker-basierten Entwicklungsumgebungen.
Entwicklung und Erprobung lokaler LLM-Workflows mit Open-Source-Modellen, Embeddings, Vektordatenbanken, Dokumentenverarbeitung und RAG-Architekturen.
Umsetzung von Dokumenten-Parsing, Text-Extraktion, Klassifikation, Zusammenfassung und Q&A-Workflows auf Basis lokaler oder kontrolliert betriebener KI-Komponenten.
Experimentelle Anpassung lokaler Modelle, u. a. durch Quantisierung, teilweises Fine-Tuning und workflowbasierte Optimierung für konkrete Anwendungsfälle.
Verbindung von Full-Stack-Produktentwicklung, Datenverarbeitung und KI-Funktionalität zu produktnahen MVPs und internen Tools.
Data Science, ETL, Machine Learning Engineer, Large Language Models, Data Engineer
1/2023 – 1/2025
Tätigkeitsbeschreibung
Machine Learning Engineering und Data Engineering im SaaS-/FinTech-Umfeld.
Entwicklung produktionsnaher ML-Pipelines mit Python, Vertex AI und Kubeflow für Training, Evaluation, Scoring und Deployment von Machine-Learning-Modellen.
Aufbau wiederverwendbarer Kubeflow-Komponenten für Datenvorverarbeitung, Feature Engineering, Modelltraining, Evaluation, Monitoring und Logging.
Entwicklung eigener Python-Frameworks zur Orchestrierung von ML-Workflows, Datenqualitätsprüfungen, automatisierten Tests und Pipeline-Auswertungen.
Aufbau von ETL-/ELT-Datenpipelines mit Apache Airflow, dbt und BigQuery zur Bereitstellung von Feature-Daten, Reporting-Daten und Monitoring-Daten.
Entwicklung und Pflege von Python-basierten Dashboards zur Visualisierung von Modellmetriken, KPIs, Experimentergebnissen und Pipeline-Status.
Durchführung von Experimenten zur Bewertung von Modellqualität, Feature Importance, Modellrobustheit und Business Impact.
Implementierung von Feature-Drift-Monitoring zur frühzeitigen Erkennung von Veränderungen zwischen Trainings- und Scoring-Daten.
Unterstützung beim produktionsnahen Betrieb von ML-Modellen inklusive Monitoring, Alerting, Modellversionierung und Rollback-Strategien.
Zusammenarbeit mit Data-Science-, Data-Engineering-, Produkt- und Business-Teams zur Integration von ML-Lösungen in operative Prozesse.
SQL, MLOps, Docker, Machine Learning, Python, Kubernetes, Data Science, Data Warehousing, Machine Learning Engineer
11/2020 – 9/2021
Tätigkeitsbeschreibung
Data Science und Data Engineering im Startup-Umfeld mit Fokus auf Matching-Algorithmen, Dateninfrastruktur und automatisierte Datenpipelines.
Aufbau einer ersten Dateninfrastruktur für eine digitale Plattform im Bereich Studenten- und Absolventenvermittlung.
Konzeption und prototypische Entwicklung eines Matching-Algorithmus zur Zuordnung von Studierenden bzw. Absolventen zu passenden Arbeitgebern und Stellenprofilen.
Modellierung eines intern genutzten Data Lakes zur strukturierten Ablage und Verarbeitung relevanter Daten aus unterschiedlichen Quellen.
Entwicklung von ETL-Pipelines zur automatisierten Sammlung, Transformation und Aktualisierung von Datenbeständen.
Integration externer und interner Datenquellen zur Unterstützung von Produktentwicklung, Marketing und strategischer Entscheidungsfindung.
Aufbau einer strukturierten Datenbasis zur Abbildung der deutschen Hochschullandschaft, inklusive Hochschulen, Fachbereichen, Studiengängen, Themenfeldern und weiteren relevanten Merkmalen.
Durchführung explorativer Datenanalysen zur Validierung des Produktansatzes und zur Unterstützung früher Business- und Produktentscheidungen.
ETL, SQL, SQL-Datenbankadministrator, Analytiker / Programmierer, CRM (Customer Relationship Management), Data Mining, Data Science, Datenbankentwicklung
1/2017 – 1/2023
Tätigkeitsbeschreibung
Data Science, Machine Learning und Business Analytics im SaaS-/Buchhaltungsumfeld.
Aufbau einer zentralen Analytics-Infrastruktur als Single Source of Truth für Management, Produkt, Marketing und Vertrieb.
Migration und Aufbereitung operativer Daten aus der Produktionsdatenbank in eine separate Analytics-Datenbank für Reporting, Analysen und Machine-Learning-Anwendungsfälle.
Durchführung SQL-basierter Datenanalysen zur Auswertung von Produktnutzung, Kundenverhalten, Marketing-Kampagnen, Umsatzentwicklung und Vertriebsprozessen.
Erstellung und Pflege von KPI-Dashboards und Reports mit Metabase, Looker und Python zur Unterstützung datengetriebener Entscheidungen.
Entwicklung Python-basierter Machine-Learning-Microservices, unter anderem für automatisierte Klassifikation und buchhaltungsnahe Produktfunktionen.
Unterstützung des Marketings bei A/B-Tests, Kampagnenanalysen und der Auswertung von Kunden- und Nutzungsdaten.
Anreicherung von CRM-Daten mit Produkt-, Nutzungs- und Verhaltensdaten zur Optimierung von Sales- und Customer-Engagement-Prozessen.
Aufbau und Pflege von ETL-Prozessen zur Integration, Bereinigung und Transformation von Daten aus internen Systemen, Marketing-Kanälen und CRM-Tools.
Erstellung von KPI-Reports, Datenanalysen und Auswertungen für interne Stakeholder sowie externe Investoren.
ETL, Mysql, Postgresql, SQL, Pandas, Scikit-learn, Machine Learning, Data Science, Machine Learning Engineer
Ausbildung
Georg-August Universität Göttingen
Göttingen
Über mich
Meine Arbeitsschwerpunkte liegen in der Entwicklung von Daten- und Machine-Learning-Pipelines mit Python, SQL, pandas, NumPy, scikit-learn, Airflow, dbt, BigQuery, Vertex AI und Kubeflow. Ich begleite ML-Projekte von Datenanalyse, Datenbereinigung und Feature Engineering über Modelltraining, Evaluation und Experiment Tracking bis hin zu Deployment, Monitoring und kontinuierlicher Qualitätskontrolle.
Im SaaS- und Buchhaltungsumfeld habe ich unter anderem an datengetriebenen Produktfunktionen, automatisierten Klassifikationsprozessen, Forecasting-/Ranking-Modellen, KPI-Reporting und ML-gestützten Geschäftsprozessen gearbeitet. Dabei ging es sowohl um klassische Machine-Learning-Modelle als auch um produktionsnahe Datenpipelines, Modellbewertung, Feature-Drift-Monitoring und die Integration von ML-Komponenten in bestehende Systeme.
Im Marketing- und Analytics-Umfeld habe ich Datenanalysen, A/B-Test-Auswertungen, Kampagnenanalysen, CRM-Datenanreicherung und Dashboarding umgesetzt. Dazu gehörten der Aufbau zentraler Analytics-Datenbanken, die Integration verschiedener Datenquellen sowie die Bereitstellung belastbarer KPIs für Produkt-, Marketing-, Vertriebs- und Management-Teams.
Im Startup-Umfeld habe ich Dateninfrastrukturen von Grund auf mit aufgebaut, Datenpipelines entwickelt und ML-basierte Kernfunktionen wie Matching-Algorithmen umgesetzt. Dadurch bringe ich Erfahrung sowohl in gewachsenen Unternehmensumgebungen als auch in frühen, dynamischen Produktphasen mit.
Zusätzlich verfüge ich über Erfahrung in Python-Backend-Entwicklung, FastAPI/REST-APIs, Docker-basierten Deployments, Dashboards mit Dash/Plotly, Metabase und Looker sowie LLM- und RAG-Workflows. Ich arbeite gerne an der Schnittstelle zwischen technischer Umsetzung und Business Value: saubere Datenbasis, nachvollziehbare Modelle, stabile Pipelines und produktionsfähige Lösungen statt reiner Prototypen.
Technologien: Python, pandas, NumPy, scikit-learn, XGBoost, TensorFlow, PyTorch, SQL, PostgreSQL, MySQL, BigQuery, Airflow, dbt, Vertex AI, Kubeflow, Databricks, PySpark, FastAPI, Flask, Docker, GitHub Actions, Dash, Looker, Metabase, LLMs, RAG, FAISS/Chroma.
Weitere Kenntnisse
Im Frontend entwickle ich Anwendungen mit Next.js, React, TypeScript, Expo/React Native, modernen UI-Komponenten, Routing, Auth-Flows und Internationalisierung (i18n). Dabei achte ich auf saubere Benutzerführung, responsive Oberflächen und produktnahe Umsetzbarkeit für Web und Mobile.
Im Backend arbeite ich mit FastAPI, SQLModel, Pydantic, Alembic, PostgreSQL, REST-APIs, Authentifizierung, Datenmodellen, Migrationen und serviceorientierten Architekturen. Dazu gehören auch Docker-basierte Entwicklungs- und Deployment-Setups sowie strukturierte API- und Datenbankarchitekturen.
Im KI-/LLM-Bereich beschäftige ich mich mit lokalen Modellen, RAG-Systemen, Embeddings, Vektordatenbanken, Dokumentenverarbeitung, Prompt-/Workflow-Design und teilweisem Fine-Tuning bzw. Anpassung lokaler Modelle. Ziel ist die Entwicklung kontrollierbarer KI-Workflows ohne vollständige Abhängigkeit von externen Cloud-APIs.
Weitere Kenntnisse: Produktentwicklung, MVP-Konzeption, technische Architektur, Datenmodellierung, API-Design, Authentifizierung, i18n, Docker, lokale LLMs, RAG, Embeddings, FAISS/Chroma, Dokumenten-Parsing, Automatisierung und pragmatische End-to-End-Umsetzung von Softwareprodukten.
Persönliche Daten
- Deutsch (Muttersprache)
- Englisch (Fließend)
- Europäische Union
Kontaktdaten
Nur registrierte PREMIUM-Mitglieder von freelance.de können Kontaktdaten einsehen.
Jetzt Mitglied werden