Anjaneya (Reddy) Marimireddygari-AI- & ML-Ingenieur · LLM-Systeme · Generative AI · Python · IEEE veröffentlicht
Tagessatz prüfen
Erfahrungen
Machine Learning Engineer Intern
Slash Mark
- CNN- und RNN-Architekturen mit Transfer Learning für reale Klassifikationsaufgaben entwickelt und feinabgestimmt — zentrale Deep-Learning-Fähigkeiten, die auf die multimodale LLM- und GenAI-Fahrzeugfunktionsentwicklung bei BMW übertragbar sind.
- Dropout, Batch Normalization und Early Stopping in verschiedenen Deep-Learning-Experimenten implementiert; streng mit Precision, Recall, F1-Score und Confusion Matrices bewertet für Zuverlässigkeit auf Produktionsniveau.
- Ein KI-gestütztes Anwesenheitsverwaltungssystem mit LBPH-Gesichtserkennung entwickelt, über eine Flask-Weboberfläche bereitgestellt und mit SMS-Benachrichtigungen in Echtzeit ergänzt — ein Beispiel für eine vollständige AI-Produktlieferung für echte Nutzer.
- In funktionsübergreifenden Teams zusammengearbeitet, um skalierbare, dokumentierte ML-Pipelines für Reproduzierbarkeit zu liefern — passend zu BMWs interdisziplinärem Team- und Forschungsumfeld.
- AI-Tools direkt in den Entwicklungsworkflow integriert, vom Design bis zum Testen, und dabei eine hohe Geschwindigkeit ohne Abstriche bei der Korrektheit gehalten.
Data Science Engineer Intern
YBI Foundation
- Vorhersagemodelle für ML (Lineare Regression, Entscheidungsbäume, Ensemble-Methoden) auf strukturierten Geschäftsdaten entwickelt und bis zu 85 % Testgenauigkeit erreicht — übertragbar auf BMWs personalisierte Kontextmodellierung für LLM-gesteuerte Assistenten.
- Datensätze mit mehr als 5 GB mit Pandas und NumPy vorverarbeitet und mit Feature Engineering bearbeitet, um Muster zu erkennen, die Kostenoptimierungsstrategien unterstützt haben — direkt relevant für BMWs heterogene Datenformate und SQL-/GraphQL-Abfragen.
- Tableau-Dashboards erstellt, um KPIs, Verkaufstrends und Kundenverhalten zu visualisieren und datenbasierte Entscheidungen für nicht-technische Stakeholder zu ermöglichen — passend zu BMWs Anspruch an gute teamübergreifende Kommunikation.
- Detaillierte Exploratory Data Analysis (EDA) durchgeführt, um Trends, Ausreißer und Zusammenhänge aufzudecken, und daraus umsetzbare Geschäftsempfehlungen abgeleitet, die Rohdaten und Strategie verbinden.
Machine Learning Engineer Intern
Pantech Solutions (APSSDC)
- FastAPI-Endpunkte für die KI-Modellinferenz in Echtzeit entworfen und bereitgestellt — vollständige Verantwortung von der Entwicklung bis zur Produktion, direkt vergleichbar mit BMWs Anforderungen an die Bereitstellung von LLM-APIs.
- 92 % Recall auf stark unausgeglichenen Datensätzen durch SMOTE-Oversampling erreicht, was solide ML-Bewertungsfähigkeiten zeigt, die für BMWs AI-Memory- und Context-Engineering-Systeme wichtig sind.
- Die Kosten der Cloud-Trainingspipeline um 35 % gesenkt durch gezielte Optimierung von Vorverarbeitung und Trainings-Workflows auf Azure — passend zu BMWs Azure-Pub/Sub- und Cloud-Integrations-Stack.
- Komplette End-to-End-ML-Workflows umgesetzt: Datenaufnahme, Feature Engineering, Modelltraining, Bewertung und Deployment — derselbe Lebenszyklus wie bei BMWs Entwicklung eines LLM-gesteuerten Assistenten.
- Produktiv eingesetzte Modelle unter Produktionsbedingungen getestet; Leistungsengpässe identifiziert und Pipelines für Zuverlässigkeit und Skalierung refaktoriert.
AI-gestütztes Anwesenheitssystem per Gesichtserkennung — IEEE ICCSP 2024 (veröffentlicht)
- Eine komplette End-to-End-Deep-Learning-Pipeline mit LBPH-Gesichtserkennung, Flask-Weboberfläche, SQLite-Datenbank und Twilio-SMS-API entworfen und bereitgestellt — ein vollständiges AI-Produkt für echte institutionelle Nutzer.
- Nahtlose Human-AI-Interaktion über eine Live-Kamera-Ansicht erreicht, direkt passend zu BMWs Ziel, die Human-AI-Interaktion im Fahrzeug durch multimodale Assistenten zu verbessern.
- Bei IEEE Xplore veröffentlicht — ein Beleg dafür, dass ich innovative Forschungsansätze in einem strukturierten F&E-Umfeld einbringen kann, passend zur Research-Internship-Kultur bei BMW.
Big Mart Sales Forecasting System — Retail ML Pipeline
- Eine End-to-End-ML-Pipeline für Verkaufsprognosen mit Ensemble-Methoden (Random Forest, Gradient Boosting), Feature Engineering und Tableau-Dashboards aufgebaut, um umsetzbare Einblicke für die Lagerplanung zu liefern.
- Den gleichen Datenlebenszyklus angewendet — Datenaufnahme, EDA, Feature Engineering, Modelltraining, Bewertung — wie in BMWs Workflows für LLM-Memory-Management und Context Engineering.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT).
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Produktentwicklung und Forschung und Entwicklung (F&E).
Zusammenfassung
AI-Software-Ingenieur und M.Sc.-Informatikstudent an der Bauhaus-Universität Weimar mit praktischer Erfahrung in der Entwicklung von End-to-End-ML- und Deep-Learning-Systemen. Sicher in Python, LLM-Integration, FastAPI, Cloud-Deployment (Azure) und multimodalen AI-Pipelines. IEEE-veröffentlichter Forscher im Bereich Deep-Learning-basierter AI-Systeme. Ich bringe eine Engineering-Denkweise auf Basis der Grundprinzipien, echte Deployment-Erfahrung und einen starken Antrieb für wirkungsvolle AI-Innovationen mit.
Fähigkeiten
- Ai & Llm: Large Language Models (Llms), Multimodale Llms, Prompt Engineering, Langchain, Generative Ai, Agentische Systeme, Rag-Pipelines
- Ml & Deep Learning: Tensorflow, Pytorch (Vertraut), Scikit-Learn, Cnn, Rnn, Transfer Learning, Lbph, Smote, Modellauswertung (F1, Precision, Recall)
- Sprachen: Python (Stark), Java, Kotlin (Vertraut), Sql, Graphql (Vertraut), Html, Javascript
- Cloud & Devops: Microsoft Azure (Zertifiziert), Azure Pub/Sub, Aws (Vertraut), Docker, Ci/Cd, Git, Github
- Apis & Frameworks: Fastapi, Flask, Rest-Apis, Pydantic, Android Automotive (Vertraut), Microservices
- Daten & Tools: Pandas, Numpy, Tableau, Eda, Feature Engineering, Jupyter Notebook, Vs Code
Sprachen
Ausbildung
Bauhaus-Universität Weimar
M.S. · Computer Science for Digital Media · Deutschland
MITS, JNTUA
B.Tech. · Computer Science & Engineering · Indien
Zertifikate & Bescheinigungen
Claude Code in Action
Google Professional Certificate: Data Analytics
Coursera
Statistiken
Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Anjaneya ist in Weimar, Deutschland ansässig.
Anjaneya spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse).
Anjaneya hat mindestens 1 Jahr Erfahrung. In dieser Zeit hat Anjaneya in mindestens 2 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Monate. Beachten Sie, dass Anjaneya möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Anjaneya gut geeignet für Rollen wie: Machine Learning Engineer Intern, Data Science Engineer Intern, AI-gestütztes Anwesenheitssystem per Gesichtserkennung — IEEE ICCSP 2024 (veröffentlicht).
Die neueste Position von Anjaneya ist Machine Learning Engineer Intern bei Slash Mark.
In den letzten Jahren hat Anjaneya für Slash Mark, YBI Foundation und Pantech Solutions (APSSDC) gearbeitet.
Anjaneya hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT).
Anjaneya hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Produktentwicklung. Anjaneya hat auch etwas Erfahrung in Business Intelligence.
Anjaneya hat einen Master in Computer Science for Digital Media von Bauhaus-Universität Weimar und einen Bachelor in Computer Science & Engineering von MITS, JNTUA.
Anjaneya hat 3 Zertifikate. U.a: Microsoft Certified: Azure Data Engineer Associate, Claude Code in Action und Google Professional Certificate: Data Analytics.
Anjaneya ist sofort vollzeit verfügbar für passende Projekte.
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 30 Aug 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Philipp Grunert
Noushiq Mohammed k a n
Christian Schulz
Ronald Foerster
Aravind Sasi nair purayath
Kevin Liehn
Jennifer Kiunke
Rutger Boels
Andreas Neumann
Serge Kalinin
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Machine Learning Engineer Intern
Louis Guitton
Lino Giefer
Ivaylo Sieme
Stephan Fröde
Yannick Schuchmann
Kiran kumar Kanathala
Mirza Klimenta
Kashaf Khan
Cris Lovell-Smith
Eduard Van kleef
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Weimar, Deutschland arbeiten
Matthias Kittner
Dirk Werner
Claudia Fuhrmann
Steffen König
Michael Hohlfeld
Fred Schröder
Ole Himmel
Thomas Polanski
Marcus Schober
Niklas Grieger
