Erfahrungen
KI-gestützter Lebenslaufbewerter
Persönliches Portfolio
- Einsatz fortschrittlicher Verfahren zur Verarbeitung natürlicher Sprache, um Lebenslaufinhalte zu analysieren und wichtige Fähigkeiten und Erfahrungen für bestimmte Stellenbeschreibungen zu identifizieren.
- Bereitstellung konkreter Empfehlungen zur Verbesserung von Lebensläufen, einschließlich der Hervorhebung fehlender Inhalte und Vorschlägen für Optimierungsstrategien.
- Bewertung und Verbesserung der Kompatibilität mit Bewerbermanagementsystemen durch Keyword-Analyse und Formatoptimierung.
Schmetterlingsarten-Klassifikator (CNN Deep Learning)
Persönliches Portfolio
- Entwicklung eines hochpräzisen Systems zur Identifizierung von Schmetterlingsarten mithilfe von Convolutional Neural Networks mit der ResNet50-Architektur.
- Verarbeitung von mehr als 10.000 Bildern aus 75 Schmetterlingsarten und Erreichen einer Klassifikationsgenauigkeit von 94 %.
- Einsatz von Transfer Learning, individuellen Techniken zur Datenerweiterung und gradientengewichteten Aktivierungskarten zur visuellen Erklärung der Klassifikationen.
Analyse des Google-Play-Store-Datensatzes
Persönliches Portfolio
- Durchführung einer umfassenden Analyse von Google-Play-Store-Daten mit Python und Bibliotheken zur Datenvisualisierung.
- Identifizierung wichtiger Muster bei Nutzerinteraktion, Monetarisierungsstrategien und Wettbewerbspositionierung in verschiedenen App-Kategorien.
- Bereitstellung konkreter Erkenntnisse für App-Entwickler zu optimaler Preisgestaltung, Priorisierung von Funktionen und Marktlücken.
Gesundheits-Symptomprüfer (Generative KI)
Persönliches Portfolio
- Entwicklung eines fortschrittlichen Tools zur Symptomanalyse mit generativer KI für erste gesundheitliche Einschätzungen.
- Begleitung der Nutzer durch einen strukturierten Prozess zur Bewertung von Symptomen unter Einsatz natürlicher Sprachverarbeitung zur Interpretation gesundheitlicher Beschwerden.
- Bereitstellung evidenzbasierter Informationen bei gleichzeitiger klarer Kommunikation der Grenzen des Tools als nicht diagnostisches Hilfsmittel, mit besonderem Fokus auf Nutzersicherheit und medizinische Ethik.
SQL-Analyse und -Optimierung
Persönliches Portfolio
- Bearbeitung von Herausforderungen wie Schemadesign, Indexierung und Abfrageoptimierung, um eine effiziente Datenspeicherung und einen schnellen Datenzugriff sicherzustellen.
- Anwendung bewährter Verfahren und fortgeschrittener SQL-Techniken zur Verbesserung der Leistung und Skalierbarkeit datenintensiver Anwendungen.
- Durchführung von Datenaggregation, statistischer Analyse und Datenvisualisierung, um Rohdaten in umsetzbare Erkenntnisse für Projekte zur Finanzanalyse und Kundensegmentierung umzuwandeln.
Sentimentanalyse & Marktforschung
Persönliches Portfolio
- Über 50.000 Amazon-Produktbewertungen aus verschiedenen Kategorien mit Python und BeautifulSoup gesammelt.
- NLTK- und BERT-Modelle angewendet, um die Stimmung zu klassifizieren, zentrale Themen zu extrahieren und emotionale Muster zu erkennen.
- Umsetzbare Geschäftserkenntnisse zur Produktwahrnehmung, Wettbewerbspositionierung und zu den wichtigsten Faktoren der Kundenzufriedenheit gewonnen.
Simulationsmodell für die Fabrikautomation bei Siemens
Persönliches Portfolio
- Ein Simulationsmodell für Fabrikautomatisierungsprozesse bei Siemens entwickelt und SQL zur Analyse von Produktionsdaten in Echtzeit eingesetzt.
- Fertigungsabläufe optimiert und Produktionsengpässe um 23 % reduziert.
Modell für die prädiktive Bestandsverwaltung bei Zara
Persönliches Portfolio
- Ein Modell für die prädiktive Bestandsverwaltung bei Zara entwickelt, das Verkaufsdaten, saisonale Trends und Kennzahlen der Lieferkette integriert.
- Die Genauigkeit der Bestandszuweisung verbessert und Überbestände um 17 % reduziert.
Strategie für die digitale Expansion von Zomato
Persönliches Portfolio
- Umfassende Marktforschung für Zomatos Expansion in neue europäische Märkte durchgeführt und demografische Daten, Wettbewerbsumfeld sowie lokale Trends bei der Essenslieferung analysiert.
- Datenbasierte Markteintrittsstrategien entwickelt, die auf regionale Präferenzen zugeschnitten sind, einschließlich Partnerschaftsmodellen, Preisstrategien und Möglichkeiten zur Differenzierung des Angebots.
- Einen schrittweisen Einführungsplan mit KPIs, Rahmenwerken zur Ressourcenverteilung und Notfallstrategien für verschiedene Marktbedingungen erstellt.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Arju ist in Berlin, Deutschland ansässig.
Arju spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).
Basierend auf der jüngsten Erfahrung wäre Arju gut geeignet für Rollen wie: KI-gestützter Lebenslaufbewerter, Schmetterlingsarten-Klassifikator (CNN Deep Learning), Analyse des Google-Play-Store-Datensatzes.
Die neueste Position von Arju ist KI-gestützter Lebenslaufbewerter bei Persönliches Portfolio.
Arju hat einen Master in Data Science, KI und Digital Business von GISMA Business School.
Arju ist sofort in Teilzeit 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 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
Aravind S.
Letzte Position:
KI- und Datenspezialist bei Emirates Islamic Bank
- Entwarf und implementierte LLM-basierte KI-Agenten, RAG-Pipelines und Vektorsuchlösungen zur Entscheidungsunterstützung in der Retail-Banking-Abteilung.
- Entwickelte und lieferte robuste KI-Pipelines mit Schutzmechanismen, Fehlerbehandlung, Monitoring und Fallback-Logik, um hohe Zuverlässigkeit und Einhaltung der Datenschutzbestimmungen zu gewährleisten.
- Entwickelte und implementierte ML-Modelle zur Erkennung von Transaktionsanomalien, wodurch die Betrugserkennung und Risikobewertung in großen Datensätzen für das Kreditrisikomodell verbessert wurden.
- Erstellte, bewertete und optimierte ML-Modelle zur Generierung von Propensity Scores für Kunden, die in personalisierten Targeting-Kampagnen für Kreditkarten und Privatkreditprodukte eingesetzt wurden.
- Entwickelte eine NLP-Pipeline mit BERT-Embeddings und spaCy NER für SMS-/E-Mail-Analysen und Kundenanfragenprotokolle.
- Trainierte Machine-Learning-Modelle mit Isolation Forest, um Nutzerverhalten zu klassifizieren und Anomalien zu erkennen.
- Extrahierte, bereinigte, angereicherte und feature-engineerte Datensätze aus verschiedenen Quellen, um Feature Stores zu erstellen, die das Training von ML-Modellen ermöglichten.
- Leitete die Entwicklung von Dashboards mit Power BI, Grafana und Prometheus zur Überwachung der Modellleistung, KPI-Trends und Marketing-Kennzahlen.
- Erstellte Multi-Touch-Attributionsmodelle mit logistischer Regression und zeitverfallbasierten Gewichtungen zur Bewertung der Lead-Qualität.
- Entwickelte skalierbare ETL-Pipelines aus CRM, T24, SAP und ERP zur Unterstützung von Millionen monatlicher Transaktionen.
- Integrierte Testverfahren und CI/CD-Workflows für eine stabile Bereitstellung von Datenpipelines.
Manuel P.
Letzte Position:
KI-Ingenieur bei Misumi Europe GmbH & Motius GmbH
- Eine nächste Generation von NLP-Plattformen entworfen und gebaut, um den vertriebsnahen Kundenservice durch intelligente Anfrageanalyse und Routing zu beschleunigen und die durchschnittliche Antwortzeit auf Kundenanfragen um 30 % zu senken.
- Ein hybrides NLP-System entwickelt, das Large Language Models (LLMs) mit klassischen NLP-Pipelines kombiniert, um robuste und nachvollziehbare Ergebnisse zu liefern.
- Mechanismen für Anfrageklassifizierung und Routing entwickelt, damit Support-Teams Kundenanfragen schneller und genauer bearbeiten können.
- Die LLM-basierte Datenextraktion und Klassifizierung mit Context Engineering optimiert.
- Die Plattform in Kundenservice-Prozesse integriert und so Reaktionszeiten reduziert sowie die Effizienz im Team verbessert.
Jürgen F.
Letzte Position:
AR/VR/XR-Architekt bei Deutsche Telekom
- Eine generische, universelle Systemplattform für XR-Anwendungsfälle (AR, VR) im Rahmen der europäischen IPCEI-Initiative definiert
- Verfügbare Optionen für Backend-, Streaming- und Client-Implementierungen bewertet
- PoC-Implementierungen entwickelt und potenzielle Komponenten technisch bewertet
- Das Entwicklungsteam geleitet und die Ziel-Systemarchitektur für eine vollständige End-to-End-Lösung definiert
- GenAI-PoCs entworfen und integriert (LLM, Zeitreihen, Vorhersagen, Agents)
- NeRFs und Gaussian Splatting für die Erstellung von XR-Inhalten erforscht und Methoden zur Messung und Reduzierung von Systemlatenzen analysiert
- An GPU-Scheduling, CUDA und verwandten Themen gearbeitet
- Backoffice- und Endbenutzer-Dashboards mit Grafana und Superset definiert und implementiert
- Jaeger-Tracing zur Analyse bestimmter Ereignisse verwendet
- Eine GenAI-basierte automatische Alarmierungsfunktion für bestimmte Ereignisse und Ereigniscluster mit KPI-Werten definiert
- AR/VR/XR-IoT-Geräte integriert
- Mit Business-Development- und UX-Teams in einem parallel laufenden Design-Thinking-Prozess zusammengearbeitet, um technische Anforderungen und den Customer-Journey-Umfang abzustimmen
- Die neuen Services und die Plattform in bestehende Telekommunikationsumgebungen integriert und Tools wie Camara für teilweise Integrations- und Übergabeszenarien analysiert
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
Yannick S.
Letzte Position:
Freiberuflicher IT-Berater/Advisor bei Deutsche Glasfaser
- Leitung des Integrationsprozesses mehrerer Systeme zwischen Entwicklungsagenturen in Deutschland und Indien
- Beratung zu SDKs, Systemintegration, Systemarchitektur, API-Vertragsdesign, Salesforce, ServiceNow und SAP.
Himanshu N.
Letzte Position:
Principal (Datenwissenschaftler/Dateningenieur/Gen-AI-Ingenieur) bei Marktguru Deutschland GmbH
Konzipierte eine agentenbasierte Echtzeit-Engine zur Angebotsorchestrierung, in der spezialisierte Agenten (Retrieval, Pricing/Optimierung und Richtlinien/Guardrails) zusammenarbeiten, um Promotionen über alle Touchpoints zu personalisieren, mittels RAG mit FAISS auf Delta Lake und latenzarmem Databricks Model Serving. Arbeit mit Produktmanagern und kommerziellen Stakeholdern zur Roadmap-Gestaltung und Bewertung neuer Agentenmuster für den Produktionseinsatz.
Entwickelte einen agentenbasierten Data-Quality-Service, der Schema-Erkennung, Entity-Normalisierung und Validator-/Exception-Handling-Agenten orchestriert, um SKU-Feeds mehrerer Händler in großem Maßstab zu bereinigen. Verpackte Modellaufrufe in PySpark-UDFs für verteilte Inferenz, automatisiert über Databricks Workflows und CI/CD.
Entwickelte eine multimodale, agentenbasierte Extraktions-Pipeline, in der Vision-, Parsing- und Compliance-Agenten zusammenarbeiten, um Marke, Verpackung und Volumen aus gescannten Bildern mit Claude 3 Sonnet und Swin Transformer-Encodern zu extrahieren. Orchestriert über Azure Event Hub, mit Speicherung der Ergebnisse in Delta Lake.
Implementierte einen GS1-Taxonomie-Klassifizierungsservice, der auf kooperierenden Agenten für Inferenz, Drift-Monitoring und automatisierte Retrainings-Governance basiert, unter Nutzung von Falcon 180B (LoRA-feinjustiert) mit Batch-Pipeline auf Databricks.
Erstellte einen hybriden Agenten-Workflow, bei dem ein Retrieval-Agent Kandidaten über Embeddings ermittelt und ein Reasoning/Verifikations-Agent (Mixtral 8x7B) die Übereinstimmung von Beleg und SKU überprüft, integriert in eine Streaming-Pipeline auf Databricks.
Entwickelte eine multimodale Attribut-Inferenz-Pipeline, aufgebaut aus kooperierenden Vision-Sprach-, Regel-/Konsistenz- und Compliance-Agenten, um NutriScore, Nährwertfelder und Verpackungsarten aus Namen und Bildern mit LLaMA 3-8B und CLIP-Embeddings zu ermitteln.
Entwickelte ein GenAI-basiertes Orchestrierungssystem, das Rezepte von mehreren Websites einliest, Zutaten über strukturierte Extraktions-Agenten analysiert und diese dynamisch über Tagging, semantisches Reasoning und Business-Rule-Agenten mit Echtzeit-Händlerangeboten verknüpft.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als KI-gestützter Lebenslaufbewerter
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Berlin, Deutschland arbeiten
