Erfahrungen
KI- und AWS-Entwickler
FannieMae
- Entwarf End-to-End-Kreditrisiko-Pipelines durch Orchestrierung von Airflow-ETLs und Training von LSTMs/Transformern, um Ausfall- und vorzeitige Rückzahlungsraten auf MBS-Portfolios vorherzusagen.
- Entwickelte Deep-Learning-NLP-Lösungen mit BERT und LayoutLM für die Dokumentenverarbeitung und nutzte Transfer Learning sowie benutzerdefinierte PyTorch-Loss-Funktionen, um Underwriting zu automatisieren.
- Optimierte F&E-Zyklen durch Bayessche Tuning, Batch-Normalisierung und MLflow-Tracking, um eine robuste Modellleistung während volatiler Hypothekenmarktzyklen sicherzustellen.
- Produktionsreife MLOps-Infrastruktur mit Docker und INT8-Quantisierung bereitgestellt und latenzarme FastAPI-Mikroservices auf AWS SageMaker mit automatisierten CI/CD-Pipelines ausgerollt.
- Gewährleistung regulatorischer Compliance durch Integration von SHAP/LIME für Erklärbarkeit und Einrichtung eines Echtzeit-Data-Drift-Monitorings, um strenge FHFA- und Fair-Lending-Standards zu erfüllen.
Java- und AWS-Entwickler
The College Board
- Leitete die groß angelegte Migration von Marketingkundendaten aus veralteten Epsilon-Systemen in die Salesforce Marketing Cloud und stellte mit Java und AWS die Datenintegrität sicher.
- Entwickelte und verwaltete 15 automatisierte Datenpipelines mit AWS Glue und EMR, um große Datenmengen aus Oracle-Datenbanken in die SFMC-Cloud zu extrahieren und zu verschieben.
- Erstellte Backend-Integrationsdienste mit Java, um interne Firmendatenbanken mit modernen Cloud-Plattformen zu verknüpfen und die Systemkoordination zu verbessern.
- Vereinfachte die Serververwaltung durch Einsatz von AWS Lambda und CloudFormation (CFT), um wiederkehrende Datenaufgaben zu automatisieren und manuellen Aufwand zu reduzieren.
- Nutzte AWS Athena, um schnelle Abfragen auf den umfangreichen Dataframes in der Cloud durchzuführen und die Datenqualität in Echtzeit zu überwachen.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Bank- und Finanzwesen und Bildung.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Finanzen, Forschung und Entwicklung (F&E) und Business Intelligence.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Abhijith Sai ist in Freiberg, Deutschland ansässig und kann in On-Site-, Hybrid- und Remote-Arbeitsmodellen arbeiten.
Abhijith Sai spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).
Abhijith Sai hat mindestens 6 Jahre Erfahrung. In dieser Zeit hat Abhijith Sai in mindestens 2 verschiedenen Rollen und für 2 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 3 Jahre und 10 Monate. Beachten Sie, dass Abhijith Sai möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Abhijith Sai gut geeignet für Rollen wie: KI- und AWS-Entwickler, Java- und AWS-Entwickler.
Die neueste Position von Abhijith Sai ist KI- und AWS-Entwickler bei FannieMae.
In den letzten Jahren hat Abhijith Sai für FannieMae gearbeitet.
Abhijith Sai hat die meiste Erfahrung in Industrien wie Bank- und Finanzwesen und Bildung.
Abhijith Sai hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Finanzen und Forschung und Entwicklung (F&E). Abhijith Sai hat auch etwas Erfahrung in Business Intelligence.
Abhijith Sai hat kürzlich in Industrien wie Bank- und Finanzwesen gearbeitet.
Abhijith Sai hat kürzlich in Bereichen wie Finanzen, Informationstechnologie (IT) und Forschung und Entwicklung (F&E) gearbeitet.
Abhijith Sai hat einen Master in Mathematik in Daten- und Ressourcenwissenschaften von Technische Universität Bergakademie Freiberg, einen Master in Informationssystemmanagement von Marist College und einen Bachelor in Elektrotechnik und Nachrichtentechnik von SR Engineering College.
Die Verfügbarkeit von Abhijith Sai muss bestätigt werden.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
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.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Tobias J.
Letzte Position:
Konzeption eines AI-Agenten basierten ERP-Systems
- Konzeption eines LLM-basierten Agentensystems zur Steuerung der ERP-Software
- Entwicklung von Agenten-Workflows mit LangGraph und PydanticAI
- Planung der Schnittstellen zwischen Geschäftslogik und Sprachmodellen
- Planung der Agentenorchestrierung
- Prototypenentwicklung- und Demonstration
Werkzeuge: Python, Pydantic, React, LangChain, LangGraph, Linux
Julien L.
Letzte Position:
MLOps-Ingenieur bei SAMGEN
- Aufbau und Skalierung von Cloud-Infrastruktur auf GCP zur Unterstützung einer SaaS-Plattform für Industriekunden
- Entwurf und Implementierung einer datengetriebenen DevOps-Pipeline für optimierte Deployments und CI/CD-Workflows
- Zusammenarbeit mit dem Data-Science-Team am MLOps-Workflow zur Automatisierung des integrierten Retrainings
Anton K.
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeiter).
Technische Integration von allen Subprojekten in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung eines Cloud Management Platforms (CMP), die in der Lage ist, Private/Mixed Cloud von beliebiger Komplexität anhand einer textuellen Beschreibung mit einem Click oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus Hardware Management.
Als Basis wird Kubernetes, Openstack und Hadoop benutzt.
Die Managementschicht beinhaltet Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Privat Cloud kann beliebige Workloads von Kunden ausführen, darunter volle Hadoop Schicht mit HDFS, Spark, MapRed, Mezos, HBase und ca. 20 weiteren ML/DL Technologien.
Hadoop Worker Cluster kann auch ohne Kubernetes on Bare Metal oder Commodity Hardware automatisch installiert werden.
Openstack mit Nova, Neutron, Ironic, Swift, Cinder, Ceph.
Entwicklung einer Java Anwendung Rudi: Soap, Rest, Containers, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), Openstack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualizierung (Kubernetes (K3S), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Jeanne Y.
Letzte Position:
Praktikant Prozessingenieur bei Procter & Gamble
- Automatisierte Validierungs-Workflows mit Python eigenständig initiiert und implementiert, dadurch die manuelle Verarbeitung um 58% reduziert und die Effizienz verbessert
- Ein Machine-Learning-Modell zur Erzeugung synthetischer Fehler entwickelt, Ausfallzeiten und Produktionskosten reduziert; lokal sowie über Databricks und Azure AI Factory bereitgestellt
- Einen kleinen Bilddatensatz aus den Produktionslinien genutzt und durch das Training von Modellen wie cycleGAN und pix2pix erweitert
- Die Linux-basierte Entwicklungsumgebung für das Training von 3D-Modellen aufgebaut und optimiert; die Reproduzierbarkeit über GitHub sichergestellt
- Technische Erkenntnisse funktionsübergreifenden Teams (Ingenieuren, QA, Projektmanagern) präsentiert und so die Abstimmung von ML-Lösungen auf betriebliche Anforderungen sichergestellt
Kiran Kumar K.
Letzte Position:
Angewandte NLP: Wortebenen-Kodierung für präzisere Ereignisprognosen bei University of Siegen
- Entwicklung von mehr als 12 Seq2Seq-Modellen (LSTMs/GRUs) zum Training eines KI-Modells, das die Arbeit als Analyst für die Bewertung von KI-Agenten und Online-Projekte in komplexen Systemen unterstützt.
- Durchführung von mehr als 15 Experimenten zur Steigerung der Prognosegenauigkeit um 28%, unter Anwendung analytischen Denkens und Tests der Modelle auf QA und Abdeckung von Grenzfällen.
- Recherche von mehr als 20 Fachartikeln als Berater, um das Design großer Sprachmodelle zu unterstützen und die Übereinstimmung mit logischen Schlussfolgerungen und dem Fachgebiet sicherzustellen.
- Einsparung von 40% Rechenzeit durch Modellkomprimierung mit einem wiederverwendbaren PyTorch-Framework, das Entwickler und Autoren dabei unterstützte, Verbesserungen vorzuschlagen und Richtlinien zu optimieren.
Marcel S.
Letzte Position:
Senior KI-Ingenieur - Python bei Versicherungsgesellschaft
Projekt-Tech-Stack: Python, AWS, Azure, FastAPI, openai, pandas, unittest/pymock
Erfolge:
- Automatisierte Datenextraktions-Pipelines entwickelt, um komplexe Excel-Datensätze über LLM-basierte Workflows in strukturierte Formate zu überführen.
- Eine generative Slide-Deck-Engine entworfen, die natürliche Spracheingaben in formatierte Präsentationsinhalte umwandelt.
- Erweiterte LLM-Funktionen mit der OpenAI Response API integriert und dabei komplexes Tool-Calling sowie Logik für strukturierte Ausgaben umgesetzt.
- Einen skalierbaren Backend-Microservice mit FastAPI, Docker und OpenShift entwickelt und containerisiert, um agentische Skills zu hosten und bereitzustellen.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als KI- und AWS-Entwickler
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Freiberg, Deutschland arbeiten
