Deepak Mishra - Lead ML-Plattformingenieur

Q: Wo ist Deepak ansässig?

Deepak ist in Berlin, Deutschland ansässig.

Q: Welche Sprachen spricht Deepak?

Deepak spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten) .

Q: Wie viele Jahre Erfahrung hat Deepak?

Deepak hat mindestens 9 Jahre Erfahrung. In dieser Zeit hat Deepak in mindestens 4 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 10 Monate . Beachten Sie, dass Deepak möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Deepak?

Die neueste Position von Deepak ist Lead ML-Plattformingenieur bei Billie GmbH .

Q: Für welche Unternehmen hat Deepak in den letzten Jahren gearbeitet?

In den letzten Jahren hat Deepak für Billie GmbH , TwoTronic GmbH , Latana GmbH und Candis GmbH gearbeitet.

Q: In welchen Industrien hat Deepak die meiste Erfahrung?

Deepak hat die meiste Erfahrung in Industrien wie Bank- und Finanzwesen , Informationstechnologie (IT) und Mode und Bekleidung . Deepak hat auch etwas Erfahrung in Einzelhandel und Automotive .

Q: In welchen Bereichen hat Deepak die meiste Erfahrung?

Deepak hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT) , Produktentwicklung und Business Intelligence . Deepak hat auch etwas Erfahrung in Projektmanagement .

Q: In welchen Industrien hat Deepak kürzlich gearbeitet?

Deepak hat kürzlich in Industrien wie Bank- und Finanzwesen , Informationstechnologie (IT) und Automotive gearbeitet.

Q: In welchen Bereichen hat Deepak kürzlich gearbeitet?

Deepak hat kürzlich in Bereichen wie Informationstechnologie (IT) , Produktentwicklung und Business Intelligence gearbeitet.

Empfohlener Experte

Berlin, Deutschland

Tagessatz prüfen

Erfahrungen

Jan. 2025 - Dez. 2025

1 Jahr

Berlin, Deutschland

Lead ML-Plattformingenieur

Billie GmbH

Betreuung eines Teams von 6 ML-Plattformingenieuren durch wöchentliche 1:1-Gespräche, technische Design-Reviews und Best Practices, wodurch die Teamgeschwindigkeit um 35% durch strukturiertes Sprint-Planning und Programme zur Kompetenzentwicklung gesteigert wurde
Definition der ML-Plattform-Roadmap für 2025–2026 in Zusammenarbeit mit Data Science, Cloud Engineering und Produktteams, mit Priorität auf automatisierter Modell-Governance, Kostenattribution und Multi-Environment-Deployment-Strategien
Zusammenarbeit mit Data Science, SRE und Produkt-Stakeholdern zur Abstimmung der ML-Plattform-Funktionen auf Geschäftsziele, Reduzierung der Deployment-Hürden für Data Scientists um 60% durch Self-Service-Plattformen
Architektur und Bereitstellung einer produktionsreifen MLOps-Plattform, die über 50 Modelle in Produktion unterstützt, mit automatischen Promotion-Pipelines, Versionierung und Rollback-Funktionen, und Erreichen eines Plattform-Uptime-SLAs von 99,5%
Design einer verteilten ML-Pipeline-Architektur mit Metaflow und Argo Workflows (Vertex-Pipelines-kompatibel), Reduzierung der Modelltrainingszeit um 30% und der Deployment-Zyklen von 2 Wochen auf 3 Tage durch vollständige CI/CD-Automatisierung
Aufbau containerisierter ML-Services auf Kubernetes mit Auto-Scaling-Policies, Ressourcenquoten und Mandantenisolation, Optimierung der Infrastrukturkosten um 180.000 $ jährlich (25% Reduktion)
Implementierung von Monitoring, Alerting und Performance-Tracking mit Prometheus, Grafana und kundenspezifischer Instrumentierung, Verringerung der Modelfehlersuche um 50% und Etablierung von Modell-Performance-SLOs
Leitung der Entwicklung einer RAG-basierten Document-Intelligence-Plattform mit LangChain, LangGraph und Vektor-Datenbanken, Implementierung agentischer AI-Workflows für die automatisierte Verarbeitung von Finanzdokumenten
Implementierung von Infrastructure-as-Code mit Terraform für reproduzierbare Umfeldbereitstellung und GitOps-Workflows, Verringerung von Infrastruktur-Drift-Vorfällen um 80%
Design eines rollenbasierten Zugriffskontrollsystems für die ML-Plattform, Implementierung von Model Lineage-Tracking und Etablierung von Audit Trails für regulatorische Compliance gemäß unternehmensweiten IAM-Best Practices

Dez. 2023 - Nov. 2024

1 Jahr

Berlin, Deutschland

Lead Machine-Learning-Ingenieur

TwoTronic GmbH

Betreuung eines Squads von 3 ML-Ingenieuren in der Entwicklung von Computer-Vision-Modellen, Deployment-Methoden und Produktions-Best Practices; Durchführung von Code-Reviews und technischen Design-Sessions
Architektur und Bereitstellung produktionsreifer Computer-Vision-Pipelines zur Erkennung von Fahrzeugschäden und Extraktion von Informationen, Verarbeitung von über 100.000 Bildern täglich mit 95% Genauigkeit; Verantwortung für den gesamten ML-Lifecycle von der Datenannotation bis zum Produktions-Monitoring
Aufbau einer Multi-Tenant- und Single-Tenant-Architektur zur Unterstützung von mehr als 5 Enterprise-Kunden mit isolierten Model-Inferenz-Pipelines auf Kubernetes; Implementierung von Auto-Scaling und Reduzierung der Infrastrukturkosten um 30%
Etablierung automatisierter ML-Pipelines für Retraining, A/B-Tests und schrittweise Rollouts; Reduzierung des Modell-Update-Zyklus von 4 Wochen auf 1 Woche durch vollständige Automatisierung

Aug. 2021 - Nov. 2023

2 Jahre 4 Monate

Berlin, Deutschland

Senior Machine-Learning-Ingenieur

Latana GmbH

Konzeption und Bereitstellung automatisierter ML-Pipelines mit Metaflow für verteiltes Training und Batch-Inferenz im großen Maßstab, Verarbeitung von über 10 Mio. Umfrageantworten pro Monat mit reproduzierbaren, versionierten Workflows
Etablierung von Agile/Scrum-Prozessen für ein 12-köpfiges Data-Science-Team, Moderation von Sprint-Planung und Retrospektiven sowie Zusammenarbeit mit DevOps bei der Deployment-Automatisierung, Verringerung der Release-Zyklen um 40%
Integration von Monitoring-, Logging- und Debugging-Tools direkt im Produktionscode, Verringerung der mittleren Zeit bis zur Problemlösung um 55% und Erhöhung der Modellzuverlässigkeit auf 99,2% Uptime
Zusammenarbeit mit Data Engineering, DevOps und Produkt-Teams zur Abstimmung der ML-Modell-Anforderungen mit Geschäftskennzahlen und Infrastrukturkapazitäten

Dez. 2017 - Juli 2021

3 Jahre 8 Monate

Berlin, Deutschland

Hybrid

Senior Machine-Learning-Ingenieur

Candis GmbH

Architektur skalierbarer ML-Infrastruktur zur Unterstützung von über 8 Produktionsmodellen mit Hybrid-Cloud-Bereitstellung (AWS und On-Premise-Kubernetes); Etablierung von Modell-Versionierung, A/B-Test-Framework und Deployment-Standards
Mentoring und Weiterbildung von 4 Junior-ML-Ingenieuren in Produktions-ML-Best Practices, Code-Qualität und Systemdesign; Erzielung von 2 Beförderungen zu Mid-Level-Rollen innerhalb von 18 Monaten
Entwicklung von Rechnungsklassifizierungs- und -extraktionslösungen (93% F1-Score), Transaction-Fee-Parsing, Betrugserkennung (Reduktion von Betrugsfällen um 40%), Customer-Metrics-Tracking und NLP-Pipelines mithilfe tiefer neuronaler Netze, Graphalgorithmen und Embeddings
Implementierung von End-to-End-Deployment-Pipelines auf AWS (SageMaker, Lambda, Elastic Beanstalk) und On-Premise-Kubernetes unter Verwendung von Helm Charts, Spinnaker und Terraform; Etablierung von CI/CD-, Monitoring- und Observability-Best Practices
Einsatz graphbasierter Algorithmen für Transaktionsbeziehungsmodellierung, Embedding-Techniken für semantische Dokumentsuche und verteiltes Training für groß angelegte neuronale Netze

Sept. 2016 - Nov. 2017

1 Jahr 3 Monate

Berlin, Deutschland

Machine-Learning-Ingenieur

Lesara GmbH

Als einziger ML-Ingenieur verantwortlich für End-to-End-ML-Lösungen innerhalb von Agile-Sprints, darunter Recommendation Engines (20% Steigerung der CTR), CLV-Schätzung, Echtzeit-Gender-Vorhersage mit Bayes-Modellen und Google-Ads-Bidding-Optimierung (15% ROAS-Steigerung)

Branchenerfahrung

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

Erfahren in Bank- und Finanzwesen, Informationstechnologie (IT), Automotive, Mode und Bekleidung und Einzelhandel.

Bank- und Finanzwesen

Informationstechnologie (IT)

Automotive

Mode und Bekleidung

Einzelhandel

Erfahrung nach Fachbereich

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

Erfahren in Informationstechnologie (IT), Produktentwicklung, Business Intelligence und Projektmanagement.

Informationstechnologie (IT)

Produktentwicklung

Business Intelligence

Projektmanagement

Zusammenfassung

Lead ML-Plattformingenieur mit über 8 Jahren Erfahrung in der Architektur skalierbarer ML-Infrastruktur, der Leitung von Engineering-Teams und der Bereitstellung produktionsreifer AI/ML-Lösungen. Nachgewiesene Expertise im Aufbau End-to-End MLOps-Plattformen, in der Betreuung von Engineering-Teams mit 5–8 Mitgliedern und in der Definition der technischen Strategie für ML-Systeme, die Millionen von Nutzern bedienen. Tiefgehende Erfahrung mit Cloud-Plattformen (AWS/GCP-bereit), Kubernetes-Orchestrierung, Automatisierung von ML-Workflows (Airflow, Metaflow, Vertex-Pipelines-kompatibel) und modernen AI-Technologien (LLMs, RAG-Systeme, Vektor-Datenbanken). Erfolge bei der Verkürzung von Deployment-Zyklen um 40%, Steigerung der Modellzuverlässigkeit auf 99,5% Uptime und Einsparungen von über 200.000 $ jährlich durch Automatisierung der Infrastruktur.

Fähigkeiten

Ml-Plattform-Architektur
Verteilte Systeme
Vektor- & Graph-Datenbanken
Engineering-FüHrung
Workflow-Orchestrierung
Llms, Rag, Generative Ki
Cloud-Infrastruktur (Gcp/Aws)
Modell-Governance
Team-Mentoring & Strategie
Kubernetes & Containerisierung
Kostenoptimierung
Terraform & Iac
Mlops & Ci/Cd-Pipelines
Python, Go (In Der Lernphase)
Observability & Monitoring
Cloud-Plattformen: Aws (Sagemaker, Ec2, Lambda, S3, Dynamodb, Redshift, Step Functions)
Gcp-Kompatibel: Vertex Ai (Training, Pipelines, Model Registry, Feature Store), Gke, Cloud Run, Bigquery, Dataflow, Cloud Storage, Iam
Ml & Ai: Tensorflow, Pytorch, Scikit-Learn, Xgboost, Llms (Gpt, Claude), Rag-Systeme, Langchain, Langgraph, Agentic Ai (Mcp), Computer Vision (Opencv), Nlp, Generative Ai, Modell-Governance
Orchestrierung & Workflow: Metaflow, Argo Workflows, Airflow, Kubeflow (Vertex-Pipelines-Kompatibel), Aws Step Functions
Infrastruktur & Devops: Kubernetes, Docker, Terraform, Helm Charts, Spinnaker, Gitops, Ci/Cd (Github Actions, Gitlab Ci), Infrastructure-As-Code
Datenbanken: Postgresql, Vektor-Dbs (Pgvector, Pinecone-Kompatibel), Graph-Dbs (Neo4j), Redis, Mongodb, Snowflake, Bigquery, Dynamodb
Observability: Prometheus, Grafana, Cloudwatch, Logging, Alerting, Model Monitoring, Performance Tracking, Slo/Sla-Management
Programmierung: Python (Experte), Typescript, C, Go (In Der Lernphase), Sql
Verteilte Systeme: Verteiltes Training, Daten-Pipelines, Microservices, Ereignisgesteuerte Architektur, Skalierungsmuster
Ml-Governance: Model Lineage, Versioning, A/B-Tests, Feature Engineering, Experiment-Tracking, Reproduzierbarkeit, Audit-Trails

Sprachen

Englisch

Verhandlungssicher

Deutsch

Fortgeschritten

Ausbildung

Okt. 2010 - Sept. 2013

Universität Kiel

Master of Science in Digitaler Kommunikation · Digitale Kommunikation · Kiel, Deutschland

Jan. 2006 - Juni 2010

Ganpat University

Bachelor-Abschluss in Elektrotechnik und Kommunikationstechnik · Elektrotechnik und Kommunikationstechnik · Indien

Statistiken

Erfahrung

Positionen gesamt 5

Erfahrung in Bank- und Finanzwesen 4.5 J.

Durchschn. Dauer 1 J. 9 M.

Längste Erfahrung 3 J. 7 M.

Globale Erfahrung

Länder gearbeitet 1 (Deutschland)

Hauptland Deutschland

Fachkenntnisse

Aktuelle Rollen Lead ML-Plattformingenieur, Lead Machine-Learning-Ingenieur, Senior Machine-Learning-Ingenieur

Hauptbranchen Bank- und Finanzwesen, Informationstechnologie (IT), Automotive

Hauptfachbereiche Informationstechnologie (IT), Produktentwicklung, Business Intelligence

Qualifikationen

Höchster Abschluss Master

Profil

Erstellt

Juni 2026

Du suchst Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Häufig gestellte Fragen

Du hast Fragen? Hier findest du mehr.

Wo ist Deepak ansässig?

Deepak ist in Berlin, Deutschland ansässig.

Welche Sprachen spricht Deepak?

Deepak spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).

Wie viele Jahre Erfahrung hat Deepak?

Deepak hat mindestens 9 Jahre Erfahrung. In dieser Zeit hat Deepak in mindestens 4 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 10 Monate. Beachten Sie, dass Deepak möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Deepak am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Deepak gut geeignet für Rollen wie: Lead ML-Plattformingenieur, Lead Machine-Learning-Ingenieur, Senior Machine-Learning-Ingenieur.

Was ist das neueste Projekt von Deepak?

Die neueste Position von Deepak ist Lead ML-Plattformingenieur bei Billie GmbH.

Für welche Unternehmen hat Deepak in den letzten Jahren gearbeitet?

In den letzten Jahren hat Deepak für Billie GmbH, TwoTronic GmbH, Latana GmbH und Candis GmbH gearbeitet.

In welchen Industrien hat Deepak die meiste Erfahrung?

Deepak hat die meiste Erfahrung in Industrien wie Bank- und Finanzwesen, Informationstechnologie (IT) und Mode und Bekleidung. Deepak hat auch etwas Erfahrung in Einzelhandel und Automotive.

In welchen Bereichen hat Deepak die meiste Erfahrung?

Deepak hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Business Intelligence. Deepak hat auch etwas Erfahrung in Projektmanagement.

In welchen Industrien hat Deepak kürzlich gearbeitet?

Deepak hat kürzlich in Industrien wie Bank- und Finanzwesen, Informationstechnologie (IT) und Automotive gearbeitet.

In welchen Bereichen hat Deepak kürzlich gearbeitet?

Deepak hat kürzlich in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Business Intelligence gearbeitet.

Was ist die Ausbildung von Deepak?

Deepak hat einen Master in Digitale Kommunikation von Universität Kiel und einen Bachelor in Elektrotechnik und Kommunikationstechnik von Ganpat University.

Wie ist die Verfügbarkeit von Deepak?

Deepak ist sofort vollzeit verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Deepak?

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

Wie kann man Deepak beauftragen?

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

Durchschnittlicher Tagessatz für ähnliche Positionen

Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.

800

600

400

200

⌀ Markt: 624-784 €

Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.

Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.