Arman Mohammadigilani - Junior-Forschungsingenieur

Q: Welche Sprachen spricht Arman?

Arman spricht folgende Sprachen: Persisch (Muttersprache), Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher), Italienisch (Fortgeschritten) .

Q: Wie viele Jahre Erfahrung hat Arman?

Arman hat mindestens 1 Jahr Erfahrung. In dieser Zeit hat Arman in mindestens 2 verschiedenen Rollen und für 2 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 7 Monate . Beachten Sie, dass Arman möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Arman?

Die neueste Position von Arman ist Junior-Forschungsingenieur bei Saipa Expansion Engineering Co. (SEECO) .

Q: In welchen Industrien hat Arman die meiste Erfahrung?

Arman hat die meiste Erfahrung in Industrien wie Bauwesen , Automotive und Fertigung .

Q: In welchen Bereichen hat Arman die meiste Erfahrung?

Arman hat die meiste Erfahrung in Bereichen wie Business Intelligence , Informationstechnologie (IT) und Betrieb . Arman hat auch etwas Erfahrung in Logistik und Forschung und Entwicklung (F&E) .

Q: Was ist die Ausbildung von Arman?

Arman hat einen Master in IKT für intelligente Gesellschaften von Polytechnische Universität Turin und einen Bachelor in Elektrotechnik von Shahid Beheshti-Universität .

Q: Wie kann man Arman beauftragen?

Um Arman zu beauftragen, klicken Sie auf die Meet -Schaltfläche im Profil, um ein Meeting anzufragen und Ihre Projektanforderungen zu besprechen.

Empfohlener Experte

Italien

Tagessatz prüfen

Erfahrungen

Aug. 2020 - Feb. 2021

7 Monate

Junior-Forschungsingenieur

Saipa Expansion Engineering Co. (SEECO)

Leitung einer Machbarkeitsstudie zur Einführung fahrerloser Transportsysteme (AGVs) in der Industrielogistik, Analyse bestehender Materialflusssysteme und Identifikation von Möglichkeiten zur Steigerung der Durchsatzrate und Reduzierung manueller Eingriffe.
Entwicklung und Simulation eines auf Machine Learning basierenden Prototyps zur AGV-Routenoptimierung, der eine 20%ige Reduktion der Leerkilometer und eine 12%ige Verkürzung der durchschnittlichen Auftragsdurchlaufzeit zeigte.
Einsatz von Python-basierten Skripten für Hersteller-Benchmarks, Bewertung von 12 AGV-Herstellern anhand von 25 Leistungskennzahlen, wodurch der Auswahlprozess optimiert und die Evaluationszeit um 40% verkürzt wurde.
Integration statistischer Modelle und diskreter Ereignissimulation in Python, um bei Auswahl der drei besten AGV-Hersteller ein ROI von 18% über zwei Jahre zu prognostizieren.

Sept. 2019 - Mai 2020

9 Monate

Junior-Dateningenieur im Bereich Tragwerksplanung

Abadis Braces for Concrete Structures Company

Behandlung nicht erkannter Mikrorisse durch Training eines Random Forest mit Sensor- und Lastdaten, Erreichen einer Wartungsprognosegenauigkeit von 92% und Verringerung ungeplanter Stillstandszeiten um 25%.
Reduzierung des Materialüberverbrauchs durch Analyse von Dehnungsmessungen mit Python/MATLAB und Empfehlung von Verstrebungsdesign-Anpassungen, die die Kosten um 10% senkten und die Lebensdauer um 15% erhöhten.
Beseitigung manueller Berichtsverzögerungen durch Aufbau automatisierter ETL-Pipelines und wöchentlicher Dashboards, Beschleunigung der Entscheidungszyklen um 40% und Steigerung der Genauigkeit der Wartungsplanung auf 90%.

DREAM-FLUTE: Commonsense QA Enhancement

Integration von T5-BASE mit dem DREAM Elaboration Model, Feintuning auf 9.700 CoS-E-Beispielen, was eine Genauigkeit von 40,46% bei Multiple-Choice-QA ergab und eine der besten Lösungen für den Datensatz darstellte.
Erweiterung von BERT mit DREAM-generierten Erläuterungen, um die CoS-E-Genauigkeit auf 20,48% zu steigern, ein absoluter Zuwachs von 0,09% und Identifikation von Optimierungspotenzial.
Verbesserung der Performance des Frage-Antwort-Systems durch wöchentliche 10 Stunden Code-Optimierung, was eine 15% schnellere Verarbeitung und insgesamt ein effizienteres System zur Folge hatte.
Technologien: Python, PyTorch, Hugging Face Transformers (T5, BERT), TensorFlow, CoS-E-Datensatz.

ICT-Enabled Building Energy Optimization & Prediction

Simulation einer 12-Zonen-Schule in EnergyPlus mit stündlichen Klimadaten, Aufdeckung von Ineffizienzen in Heizung, Kühlung und Stromversorgung.
Training eines Surrogat-ANN-Modells anhand von 40 Design-Alternativen mithilfe von NSGA-II-Optimierung, wodurch der jährliche Energiebedarf durch optimierte Verglasungskonfigurationen um ca. 19% reduziert wurde.
Automatisierung von EnergyPlus-Durchläufen mit Python und Eppy, Verarbeitung von über 17.000 stündlichen Datenpunkten zur Bewertung der Klimasensitivität.
Emulation von IoT-Sensoren mit MQTT, Streaming von Echtzeitdaten in InfluxDB für Smart-Building-Dashboards.
Durchführung einer Energie-Signatur-Analyse mittels OLS-Regression, Erreichen von R²-Werten bis zu 0,82 und Quantifizierung der Reaktionsfähigkeit auf Außentemperaturen.
Konfiguration von LSTM-Neuronalen Netzen zur Vorhersage stündlicher Heiz- und Kühllasten mit unter 5% Fehler, Ermöglichung von Energiemanagement.
Technologien: EnergyPlus, DesignBuilder, Python, Eppy, scikit-learn, TensorFlow, MQTT, InfluxDB.

IoT Platform for Automated Irrigation & Plant Health Monitoring

Aufbau einer Datenpipeline mit Python, CherryPy, Flask, Paho-MQTT, Docker und ThingSpeak zum Streaming von über 20.000 Datenpunkten, Nutzung der Erkenntnisse zur Optimierung der Ressourcenzuweisung und Beseitigung betrieblicher Engpässe.
Simulation von Bodenfeuchte-, Temperatur- und Luftfeuchte-Sensoren mit Python und Paho-MQTT, Erreichen einer Verschlüsselungs- und Übertragungsverzögerung von 12 ms bei über 1.000 Nachrichten (Fernet/AES).
Entwicklung eines auf Keras basierenden künstlichen neuronalen Netzes mit 201 Datenproben, Erreichen einer Genauigkeit von 94% bei Bewässerungsentscheidungen und Optimierung des Wasserverbrauchs um 15% gegenüber herkömmlichen Methoden.
Entwicklung eines Systems zur Entschlüsselung von Datenströmen und Erkennung von Blattkrankheiten über einen in EC2 gehosteten Flask/InceptionV3-Dienst mit 50 Bildern pro Minute, Protokollierung von über 100 Ereignissen und Verwaltung von 100 eindeutigen Datenlogs pro Tag.
Technologien: Python, CherryPy, Flask, Paho-MQTT, Telepot, TensorFlow/Keras, scikit-learn, Docker, ThingSpeak, Fernet, SHA-256-Hashing.

Branchenerfahrung

Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.

Erfahren in Automotive, Fertigung und Bauwesen.

Automotive

Fertigung

Bauwesen

Erfahrung nach Fachbereich

Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.

Erfahren in Logistik, Forschung und Entwicklung (F&E), Business Intelligence, Informationstechnologie (IT) und Betrieb.

Logistik

Forschung und Entwicklung (F&E)

Business Intelligence

Informationstechnologie (IT)

Betrieb

Zusammenfassung

Masterstudent im letzten Jahr des M.Sc.-Studiums in IKT für intelligente Gesellschaften, spezialisiert auf Machine Learning, Computer Vision und NLP. Ich entwerfe und implementiere Deep-Learning- und RAG-basierte QA-Systeme, Pipelines zur Anomalieerkennung, IoT-Lösungen und wende KI- und ML-Techniken auf Ingenieur- und Bauprojekte an. Ich habe End-to-End-ML-Workflows aufgebaut – darunter AGV-Routenoptimierung und großskalige Zeitreihen-Prognosen – mit integrierten MLOps-Praktiken. Ich suche ein KI/ML/NLP-Praktikum oder eine Einstiegsposition, um datengetriebene Entscheidungen voranzutreiben, Prozesse zu straffen und messbare Ergebnisse zu liefern.

Fähigkeiten

Maschinelles Lernen & Ki: Deep Learning, Regression, Klassifikation, Clustering, Computer Vision & Bildverarbeitung, Nlp (Verarbeitung Natürlicher Sprache), Generative Ki.
Programmiersprachen: Python, C++, Matlab/simulink, Sql.
Frameworks & Bibliotheken: Tensorflow, Pytorch, Keras, Scikit-learn, Opencv, Hugging Face Transformers, Numpy, Pandas, Matplotlib, Seaborn, Nltk, Spacy, Xgboost, Textacy.
Big Data & Streaming: Apache Spark/mllib, Apache Flink.
Mlops: Docker, Kubernetes, Git/github, Ci/cd.
Cloud-plattformen: Aws, Azure, Google Cloud Platform.
Datenbanken: Mysql, Mongodb, Postgresql.
Web & Apis: Restful-api-design & Implementierung (Flask, Fastapi, Django Rest Framework).
Datenvisualisierung: Tableau, Power Bi.

Sprachen

Persisch

Muttersprache

Deutsch

Verhandlungssicher

Englisch

Verhandlungssicher

Italienisch

Fortgeschritten

Ausbildung

Okt. 2021 - Dez. 2025

Polytechnische Universität Turin

M.Sc. in IKT für intelligente Gesellschaften · IKT für intelligente Gesellschaften · Italien

Okt. 2018 - Juni 2021

Shahid Beheshti-Universität

B.Sc. in Elektrotechnik · Elektrotechnik · Tehran, Iran, Islamische Republik

Statistiken

Erfahrung

Positionen gesamt 5

Erfahrung in Automotive 0.5 J.

Durchschn. Dauer 3 M.

Längste Erfahrung 8 M.

Fachkenntnisse

Aktuelle Rollen Junior-Forschungsingenieur, Junior-Dateningenieur im Bereich Tragwerksplanung

Hauptbranchen Automotive, Fertigung, Bauwesen

Hauptfachbereiche Logistik, Forschung und Entwicklung (F&E), Business Intelligence

Qualifikationen

Höchster Abschluss Master

Profil

Erstellt

September 2025

Stand

Oktober 2025

Du suchst Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Häufig gestellte Fragen

Du hast Fragen? Hier findest du mehr.

Welche Sprachen spricht Arman?

Arman spricht folgende Sprachen: Persisch (Muttersprache), Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher), Italienisch (Fortgeschritten).

Wie viele Jahre Erfahrung hat Arman?

Arman hat mindestens 1 Jahr Erfahrung. In dieser Zeit hat Arman in mindestens 2 verschiedenen Rollen und für 2 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 7 Monate. Beachten Sie, dass Arman möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Arman am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Arman gut geeignet für Rollen wie: Junior-Forschungsingenieur, Junior-Dateningenieur im Bereich Tragwerksplanung.

Was ist das neueste Projekt von Arman?

Die neueste Position von Arman ist Junior-Forschungsingenieur bei Saipa Expansion Engineering Co. (SEECO).

In welchen Industrien hat Arman die meiste Erfahrung?

Arman hat die meiste Erfahrung in Industrien wie Bauwesen, Automotive und Fertigung.

In welchen Bereichen hat Arman die meiste Erfahrung?

Arman hat die meiste Erfahrung in Bereichen wie Business Intelligence, Informationstechnologie (IT) und Betrieb. Arman hat auch etwas Erfahrung in Logistik und Forschung und Entwicklung (F&E).

Was ist die Ausbildung von Arman?

Arman hat einen Master in IKT für intelligente Gesellschaften von Polytechnische Universität Turin und einen Bachelor in Elektrotechnik von Shahid Beheshti-Universität.

Wie ist die Verfügbarkeit von Arman?

Arman ist sofort verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Arman?

Der Stundensatz von Arman hängt von den spezifischen Projektanforderungen ab. Bitte verwenden Sie die Meet-Schaltfläche im Profil, um ein Meeting zu planen und die Details zu besprechen.