Erfahrungen
KI-Interviewer
- Entwicklung eines KI-Rechercheassistenten mit RAG, LangChain, LangGraph und OpenAI LLMs, integriert mit Vektorsuche.
KI-Engineer
Thoughtspot
- Entwicklung eines Python/FastAPI-Frameworks zum Benchmarking der LLM-Genauigkeit bei der Umwandlung von NLP in TML.
- Aufbau von RAG-Benchmarks (LangChain, FAISS), um den Abruf von TML-Dokumenten mit dem Basismodell zu vergleichen.
- Einführung von Langfuse-Tracing und Grafana-Monitoring; Analysezeiten bei Fehlern um 40% reduziert.
- Klassifizierung von Fehlermustern bei TML-Abfragen und Ermittlung zentraler Schwächen bei der Modellgenerierung.
- Nutzung von Fehleranalysedaten zur Verbesserung des Prompt Engineering; Genauigkeit um 15% gesteigert.
- Entwicklung eines LangChain-Agenten (Docker/FastAPI) zur automatisierten Klassifizierung von Fehlerprotokollen.
Data Engineer
SagasIT Analytics
- Architektur und Umsetzung von AWS Redshift- und PySpark/Glue-ETL für mehr als 10 Millionen Datensätze; Abfragelatenz um 60% gesenkt.
- Entwicklung von über 80 n8n/Make/Zapier/Power Automate-Workflows für GenAI & Agents über mehr als 5 soziale APIs hinweg; Bearbeitungszeit für Leads um 99% verkürzt.
- Bereitstellung eines containerisierten PyTorch-Empfehlungssystems (FastAPI) auf Kubernetes (EKS); CTR um 25% gesteigert.
- Aufbau einer Airflow-Batch-Inferenz-Pipeline mit K-Means und automatischem Retraining; Conversion um 20% verbessert.
- Bereitstellung eines Power BI-Dashboards und eines PowerApps-HITL-Systems für bedarfsgesteuerte Auslöser; Entscheidungsfindung um 30% beschleunigt.
Datenanalyst
SkillCat Ltd
- Entwicklung eines Absatzprognosemodells und von GDS-Dashboards für die Geschäftsleitung; wichtige Markttreiber ermittelt, die in eine Strategie für 28% Umsatzwachstum einflossen.
- Entwicklung eines Selenium/BS4-Scrapers für US-Regierungswebsites zu regulatorischen Entwicklungen und Jobtrends; automatisierte Python-Berichte zur Unterstützung von Kursaktualisierungen erstellt.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT) und Bildung.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Business Intelligence, Forschung und Entwicklung (F&E) und Produktentwicklung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Apoorv ist in Berlin, Deutschland ansässig.
Apoorv spricht folgende Sprachen: Englisch (Grundkenntnisse).
Apoorv hat mindestens 5 Jahre Erfahrung. In dieser Zeit hat Apoorv in mindestens 4 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 4 Monate. Beachten Sie, dass Apoorv möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Apoorv gut geeignet für Rollen wie: KI-Interviewer, KI-Engineer, Data Engineer.
Die neueste Position von Apoorv ist KI-Interviewer.
In den letzten Jahren hat Apoorv für Thoughtspot, SagasIT Analytics und SkillCat Ltd gearbeitet.
Apoorv hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT) und Bildung.
Apoorv hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Business Intelligence und Produktentwicklung. Apoorv hat auch etwas Erfahrung in Forschung und Entwicklung (F&E).
Apoorv hat einen Master in Data Science von IU International University of Applied Sciences und einen Bachelor von RV College of Engineering.
Die Verfügbarkeit von Apoorv 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
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
Shyam Sundar R.
Letzte Position:
GenAI-Ingenieur bei Freelance
- Hybride semantische und schlüsselwortbasierte Suche sowie LLM-basierte Anforderungsextraktion aus Konversationsanfragen entwickelt, die Suchgenauigkeit um 85 % gesteigert, Suchen ohne Treffer um 70 % und die Suchzeit um 60 % reduziert.
- Produktionsreife API mit Monitoring-Dashboards für über 100.000 Produkte bereitgestellt, Antwortzeiten unter 2 s gehalten und die Zeit von Suche bis Kauf um 40 % verkürzt.
- Technologien: Python, BGE-M3, Qwen2.5, FastAPI, Qdrant, Meilisearch, Docker, Prometheus, vLLM.
Meisam G.
Letzte Position:
Machine-Learning-Ingenieur bei Geeks
- Nutzte ein Large Language Model (LLM) bei WordUp, das kontextuelle Beispiele versteht und generiert, um den Wortschatz zu verbessern und personalisierte Lernerfahrungen zu optimieren
- Entwickelte einen hochleistungsfähigen FastAPI-Service zum Abrufen von hoch-k-ähnlichen Vektoren mit Batch-Abfragen, entscheidend für effiziente Retrieval Augmented Generation (RAG) und semantische Suchanwendungen
- Entwarf und implementierte eine leistungsstarke Python-ETL-Pipeline, optimierte CPU- und I/O-Auslastung und vereinfachte die Datenbereinigungslogik, was zu einer 30%igen Reduktion der Verarbeitungszeit führte
- Setzte maschinelles Lernen ein, um das Nutzerverhalten zu analysieren und Churn vorherzusagen, erkannte wichtige Engagement-Trends, die zu einer 15%igen Steigerung der Nutzerbindung und -zufriedenheit führten
- Entwickelte ein Customer-Lifetime-Value-(CLTV)-Vorhersagemodell, das durch gezielte Bindungsmaßnahmen zu einer 10%igen Steigerung des durchschnittlichen CLTV führte
Mathias W.
Letzte Position:
Umsetzung einer On-Premise-OCR-Lösung mit Informationsextraktion bei Mindhopper GmbH
- Versicherungsdienstleister*
Herausforderung: Geschäftskritische Dokumente liefen über externe OCR-Dienstleister mit laufenden Kosten, Abhängigkeit und Datenschutzrisiken bei sensiblen Versicherungsdaten.
Umsetzung:
- Architektur und produktive Umsetzung einer On-Premise-OCR-Lösung mit vollständiger Datenhoheit
- Verfahren zur Erkennung von Dokumentstrukturen als Basis der automatisierten Weiterverarbeitung
- ML-, NLP- und LLM/VLM-basierte Informationsextraktion, insbesondere aus Rechnungen und Angeboten
Erfolg: Ablösung der externen Dienstleister: volle Datenhoheit, DSGVO-konforme Verarbeitung und 75 % geringere laufende OCR-Kosten p. a.
Verwendete Technologien: Python, Docker, Microservices, FastAPI, PyTorch, Torchvision, MongoDB, MySQL
Louis G.
Letzte Position:
Freiberuflicher Solutions Architect und Machine Learning Engineer bei Self-employed
- Entwickle und präsentiere Lösungen mit GenAI-Software wie langchain, vercel ai sdk, copilotkit
- Arbeite mit Kunden zusammen, um ihre Herausforderungen zu verstehen und die besten Lösungen auf Basis von Open-Source-Datenprodukten zu liefern
- Baue RAG- und GraphRAG-Lösungen mit Neo4j, lancedb und Postgres
- Setze eine LLMOps-Plattform mit kubernetes, terraform, helmfile, Arize phoenix, mlflow auf
- Entwerfe und baue Datenpipelines mit dbt, Trino, Spark, Iceberg, Airflow, ArgoCD, terraform, kubernetes
- Lieferte eine nutzerzentrierte technische Strategie für Agriculture 4.0 und Precision Livestock Farming und half meinem Kunden, Fördermittel von Bpifrance zu sichern
- Entwickelte ein Prospecting-Tool für einen führenden französischen Solar-Carport-Installateur mit Geospatial Computing (GIS), wodurch der Vertriebsprozess schneller wurde
- Baute eine Digital-Twin-Architektur für Solar-Carports und EV-Ladestationen, die Echtzeit-Monitoring und intelligentes Laden möglich machte
Mohamed S.
Letzte Position:
Machine-Learning-Ingenieur (Teilzeit) bei E.ON Digital Technology
- Entwarf und implementierte eine fortschrittliche, agentenbasierte RAG-Pipeline mit LangChain und LangGraph zur strukturierten Datenextraktion aus PDFs. Dabei kamen Tools, Zustandsverwaltung und OpenAI-LLMs (GPT-4) zum Einsatz, um die Genauigkeit zu verbessern und komplexe Dokumentstrukturen zu verarbeiten.
- Entwickelte einen Google-KI-Agenten zur Extraktion strukturierter Informationen aus PDF-Dokumenten und stellte ihn auf Vertex AI bereit.
- Entwickelte Datenpipelines mit Azure Data Factory und Databricks, um Daten aus Azure Blob Storage aufzunehmen, mit PySpark zu verarbeiten und über Linked Services in Azure SQL Database zu laden.
- Verpackte KI-Agenten und Dienste mit Docker in Container, um eine einheitliche lokale Entwicklung und Bereitstellung zu ermöglichen.
- Verwendete PySpark und Dask für Datenbankabfragen in Verbindung mit Azure Blob Storage und Document Storage.
- Entwickelte einen ReAct-Agenten, der mithilfe von Tools und der Integration von Azure Document Intelligence strukturierte Daten aus PDF-Dokumenten extrahiert.
- Wirkte am Projekt zur Validierung von CPO-Rechnungen mit. Dabei wurden mit Databricks vorhandene CDRs ermittelt und die gesamten gültigen Kosten berechnet.
- Entwickelte einen dialogfähigen KI-Agenten (Chatbot) mit einem FastAPI-Backend, integrierte RAG für eine präzise Tariferkennung und stellte den Dienst mit Azure Container Apps bereit.
- Verwendete Tools: Azure, Azure OpenAI, Azure Document Intelligence, Azure Blob Storage, Google ADK, Google Cloud, Vertex AI, Gemini, Databricks, LangChain, LlamaIndex Ollama, Docker, PySpark, Azure SQL, Azure Data Factory, Azure AI Agent, Microsoft SQL Server
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als KI-Interviewer
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Berlin, Deutschland arbeiten
