AI/ML Ingenieur / Data Scientist
- Verfügbarkeit einsehen
- 0 Referenzen
- auf Anfrage
- 86356 Neusäß
- auf Anfrage
- uk | ru | en | de | pl
- 06.11.2025
- Contract ready
Kurzvorstellung
Geschäftsdaten
Qualifikationen
Projekt‐ & Berufserfahrung
8/2025 – 10/2025
Tätigkeitsbeschreibung
○ Entwicklung eines 30% schnelleren Algorithmus zur Erkennung und Kategorisierung von Verarbeitungsfehlern in einer groß angelegten Dokumentenerkennungs- und Konvertierungs-Pipeline, einschließlich Word-, OpenOffice- und PDF-Dokumenten.
○ Entwurf eines Prioritätensystems zur Hervorhebung der kritischsten Fehler, um dem Team zu helfen, sich auf die Fehler mit der größten geschäftlichen Auswirkung zu konzentrieren.
Data Science, Data Mining, Prozessoptimierung, Document Retrieval, Faltendes Neuronales Netzwerk (CNN), Python, Rekurrentes Neuronales Netzwerk (RNN)
8/2025 – offen
Tätigkeitsbeschreibung
○ Optimierung eines Azure-Chatbots: 5-fache Beschleunigung der Antwortzeit bei vollständiger RAG-Kontexterhaltung durch Implementierung von Embedding-Caching, LLM-Aufwärmung, Small-
Talk-Filter, Routing/LLM-Gate, Token-Tuning, Skalierbarkeit und Monitoring.
○ Chatbot-Spracherweiterung: Text to Speech und Speech to Text mit hierarchischer Prosodie-Humanisierung, Multi-Voice-Unterstützung einschließlich GPT-Realtime und Demo-Website.
○ Dockerisierung und Deployment des Chatbots auf Azure VM mit NSG, Lifecycle-Kontrollen, sicherer Schlüsselverwaltung, CORS/Berechtigungs-Mitigation und Ende-zu-Ende-Latenz von 2-3s.
Data Science, Prozessoptimierung, Docker, Generative KI, Git, Kubernetes, Microsoft Azure, Nginx, Python, Python-Programmierer
1/2025 – 7/2025
Tätigkeitsbeschreibung
○ Übersetzung von Geschäftsanforderungen in technische Aufgaben und Erstellung interaktiver PowerBI-Dashboards zur Unterstützung von Managemententscheidungen.
○ Analyse von Fertigungsdaten: Kamera und Sensoren, zur Überwachung der Produktionsqualität.
○ Entwicklung fortgeschrittener Zeitreihenanalyse-Algorithmen und Qualitätsbewertungs-Pipelines in Python zur automatischen Erkennung von Defekten und Reduzierung manueller Prüfungen.
Data Science, Data Mining, Prozessoptimierung, Analytiker / Forscher, Analytiker / Programmierer, Mathematischer Statistiker, Mongodb, Pandas, Power Bi, Python, Reporting, Scikit-learn, Statistiken, Statistische Prozessregelung (SPC)
8/2021 – 7/2024
Tätigkeitsbeschreibung
○ Erstellung langfristiger Windturbinen-Gesundheitsprognosen für stark unausgeglichene Datensätze ( >40 Mio. Train- und <5 Testpunkte) zur Vorhersage von Ausfällen und frühzeitigen Interventionen.
○ Erfolgreiche Anwendung einer Kombination aus Machine Learning, Wahrscheinlichkeitstheorie und Qualitätskontrollmethoden zur Ermittlung der kosteneffektivsten Managementstrategie.
○ Die durchschnittlichen Einsparungen für die Hydraulikgruppe betragen 85 200 Euro und maximal 173 100 Euro pro 5 betrachteten Turbinen pro Jahr.
Analytiker / Programmierer, Data Mining, Data Science, Data Scientist, Faltendes Neuronales Netzwerk (CNN), Git, k-Means-Algorithmus, Latex, Lineare Regression, Logistische Regression, Machine Learning, Mathematik, Mathematischer Statistiker, Naive Bayes, Neuronale Netze, Pandas, Postgresql, Predictive Analytics, Prompt Engineering, Prozessoptimierung, Python, Pytorch, Random Forest, Rekurrentes Neuronales Netzwerk (RNN), Scientific computing / wissenschaftliches Rechnen, Scikit-learn, Statistiken, Statistische Prozessregelung (SPC), Statistischer Analyst
3/2019 – 1/2021
Tätigkeitsbeschreibung
○ Praktikum im Physiklabor: Lehre, Coaching, Management, Bewertung (auf Deutsch).
○ Mathematik-Übungen: Lehre, Coaching und Bewertung von Prüfungen (auf Deutsch).
○ Vorbereitung der Inhalte für den Kurs „Big Data Analytics" (in Python).
Mathematiklehrer, Physiklehrer, Laborant, Python
9/2005 – 7/2024
Tätigkeitsbeschreibung
○ Erstellung, Optimierung und Fine-Tuning von Simulationsmodellen.
○ Anwendung von Mathematik und HPC-Computing in Python, Fortran und C++ zur Datenanalyse.
○ Erklärung komplexer Ergebnisse durch Lehre, Coaching und Präsentationen vor diversen Zielgruppen.
C++, Forschung, Fortran, Mathematik, Pandas, Physiklehrer, Python, SQL, Statistiken, Ubuntu, Universitätsdozent, Wissenschaftlicher Forscher Physik, Wissenschaftlicher Mitarbeiter, Wissensmanagement
Ausbildung
Kyiv
Kyiv
Über mich
MEINE KERNKOMPETENZEN:
? Produktive AI/ML-Lösungen:
Spezialisiert auf Azure/AWS-Deployments mit nachweisbarem ROI. Aktuelles Beispiel: 5x schnellere Chatbot-Response durch intelligente Optimierung (Embedding-Caching, LLM-Warm-up, Token-Tuning) bei vollständiger RAG-Kontext-Erhaltung.
? Predictive Analytics & Zeitreihen:
Erfolgreich implementierte Vorhersagemodelle für extrem unbalancierte Datensätze (>40 M Trainings- vs. <5 Testpunkte). Ergebnis: 85.200€ durchschnittliche Jahresersparnis pro 5 Windturbinen durch präventive Wartung.
? LLM & RAG-Systeme:
Entwicklung und Produktivierung von Enterprise-Chatbots mit Voice-Extension (TTS/STT), hierarchischer Prosody-Humanisierung und End-to-End-Latenz von 2-3 Sekunden.
IHRE VORTEILE:
Wissenschaftliche Präzision:
Als Physiker denke ich in Systemen, erkenne Muster und entwickle robuste, skalierbare Lösungen.
Business-Impact:
Übersetze komplexe Anforderungen in messbare Geschäftsergebnisse.
Production-Ready:
Alle Lösungen werden mit Monitoring, Skalierbarkeit und Stabilität geliefert.
Deutsche Gründlichkeit:
Dokumentation und Wissenstransfer auf höchstem Niveau.
TECHNOLOGIE-STACK:
Cloud:
Azure (AI Foundry, ML, Functions, Speech SDK), AWS (EC2, S3, SageMaker)
ML/DL:
PyTorch, TensorFlow, scikit-learn, XGBoost, Prophet
Spezialgebiete:
Time Series Analysis, Anomaly Detection, NLP, Computer Vision
DevOps:
Docker, Kubernetes, CI/CD, MLOps
BRANCHENERFAHRUNG:
✓ Automotive (VARTA): PowerBI-Dashboards, Produktionsqualitäts-Monitoring.
✓ Energie (Windturbinen): Predictive Maintenance mit nachweisbarem ROI.
✓ Dokumentenverarbeitung (CIB): 30% schnellere Fehlererkennungsalgorithmen
WARUM ICH?
Während viele "KI machen", bringe ich die seltene Kombination aus wissenschaftlicher Tiefe und praktischer Umsetzungsstärke mit. Mein Ansatz: Erst verstehen, dann optimieren, dann skalieren.
Verfügbar für langfristige Partnerschaften, bei denen Qualität vor Geschwindigkeit geht.
Weitere Kenntnisse
? Wissenschaftliche Methodik:
Statistische Modellierung:
A/B-Testing, Hypothesentests, Bayes'sche Inferenz.
Fortgeschrittene Mathematik:
Wavelet-Analyse, Fourier-Transformation, Optimierung.
Forschungsmethodik:
Systematische Problemanalyse, Experimental Design.
Peer-Review Erfahrung:
Physical Review C, International Journal of Modern Physics E.
? KI/ML-Spezialgebiete:
Extreme Datenungleichgewichte:
Expertise in Szenarien mit minimalen Positivbeispielen.
Ensemble-Methoden:
Kombination multiple Modelle für robuste Vorhersagen.
Feature Engineering:
Automatische Merkmalsgenerierung aus Rohdaten.
Hyperparameter-Tuning:
Bayesian Optimization, Grid/Random Search.
Model Interpretability: SHAP, LIME, Visualisierung.
? Produktionstaugliche Implementierung:
Latenz-Optimierung:
Response-Zeit-Reduktion um Faktor 5+ möglich
Skalierbare Architekturen:
Microservices, Event-Driven Design
Monitoring & Alerting:
Grafana, Application Insights, Custom KPIs.
Secure Deployment:
Key-Vault Integration, NSG-Konfiguration, CORS-Handling.
?️ Kommunikation & Führung:
Mehrsprachig:
Deutsch, Englisch, Polnisch (fließend) - ideal für internationale Teams.
Lehrerfahrung:
7+ Jahre Universitätslehre, komplexe Konzepte verständlich erklärt.
Stakeholder-Management:
Übersetzung zwischen Tech und Business.
Remote-Expertise:
Effiziente asynchrone Kommunikation und Dokumentation
? Branchen-Insights:
Manufacturing 4.0:
Sensor-Datenanalyse, Qualitätskontrolle, Prozessoptimierung.
Renewable Energy:
Predictive Maintenance, Anomalie-Erkennung, ROI-Optimierung.
Document Intelligence:
OCR-Verbesserung, Fehlerklassifikation, Pipeline-Optimierung.
Financial Services:
Risk Modeling, Fraud Detection, Time Series Forecasting.
?️ Zusätzliche Tools & Frameworks:
Voice/Audio:
Azure Speech SDK, GPT-Realtime, librosa, praat-parselmouth.
Datenbanken:
PostgreSQL, MongoDB, Neo4j, Vector Databases.
Visualisierung:
PowerBI, Matplotlib, Seaborn, Grafana.
Web-Technologien:
Flask, FastAPI, WebSocket, nginx.
? Kontinuierliche Weiterbildung:
DeepLearning.AI Zertifikate (2024-2025).
Udacity Deep Learning & Data Analyst Nanodegrees.
Aktive Teilnahme in ML-Communities (1.4K+ Mitglieder in meiner "Happy ML" Gruppe).
BESONDERE STÄRKEN:
Langfristige Perspektive:
Als Wissenschaftler denke ich in nachhaltigen Lösungen.
Ganzheitlicher Ansatz:
Von der Theorie zur Produktion zur Wartung.
Knowledge Transfer:
Dokumentation und Schulung Ihrer Teams inklusive.
Innovation:
Humboldt Fellow - ausgezeichnet für wissenschaftliche Exzellenz
Suchen Sie einen Freelancer, der nicht nur "gut genug" liefert, sondern wissenschaftlich fundierte, produktionsreife Lösungen mit messbarem Geschäftswert entwickelt? Dann sollten wir sprechen.
Persönliche Daten
- Ukrainisch (Muttersprache)
- Russisch (Muttersprache)
- Englisch (Fließend)
- Deutsch (Fließend)
- Polnisch (Fließend)
Kontaktdaten
Nur registrierte PREMIUM-Mitglieder von freelance.de können Kontaktdaten einsehen.
Jetzt Mitglied werden