Haseeb Zahid-Senior AI Engineer | LLM Engineer | ML Engineer
Tagessatz prüfen
Erfahrungen
Senior Data Scientist
WPP MEDIA
- Enterprise-Retrieval-Augmented-Generation-(RAG)-Anwendungen mit LangChain, LangGraph, Vektordatenbanken, Embeddings und Open-Source-LLMs entworfen und bereitgestellt, die über vLLM auf GCP-GPU-Infrastruktur betrieben wurden.
- Agentic-AI-Workflows mit LangGraph entwickelt, inklusive Planung, Schlussfolgern, Tool-Ausführung, persistenter Speicherung, Sitzungsverwaltung und Human-in-the-Loop-Freigabemechanismen.
- LLM-gestützte Automatisierungssysteme entwickelt, die BigQuery, SQL-Pipelines und externe Werbe-APIs wie Meta, TikTok, Amazon, Snapchat, Google und Pinterest integrieren und manuelle operative Abläufe reduzieren.
- Multi-Agent-AI-Systeme für Enterprise-Analytics- und Entscheidungsunterstützungs-Workflows entworfen, die autonome Aufgabenausführung und intelligente Dateninteraktionen ermöglichen.
- Retrieval-Optimierungsstrategien umgesetzt, darunter Multi-Retriever-Architekturen, semantische Suche, Kontextoptimierung und Query-Verbesserungstechniken, wodurch die Relevanz der Antworten um etwa 40 % verbessert wurde.
- Strukturierte Prompting-Strategien, Function-Calling-Schemata und Validierungs-Workflows entwickelt, um die Zuverlässigkeit von mehrstufigen LLM-Anwendungen zu verbessern.
- Skalierbare AI-Services mit Python, FastAPI, Cloud Run, Pub/Sub, BigQuery, Docker und cloud-nativen Bereitstellungsarchitekturen entworfen.
Machine Learning Engineer
7NSoft Systems
- Transformer-basierte NLP-Modelle für die automatische SQL-Übersetzung zwischen PostgreSQL und MSSQL entwickelt und dabei eine Übersetzungsgenauigkeit von über 90 % erreicht.
- Automatisierte Machine-Learning-Pipelines mit Scikit-Learn, TPOT und PyCaret entworfen und die Performance des Fraud-Detection-Modells um etwa 18 % verbessert.
- Produktionsreife Machine-Learning-APIs mit FastAPI, Flask und Django gebaut und bereitgestellt.
- MLOps-Workflows mit Docker, Jenkins und GitHub Actions implementiert und die Deployment-Zyklen von Modellen um etwa 40 % reduziert.
- Skalierbare Datenverarbeitungs-Workflows und Machine-Learning-Lösungen für Enterprise-Anwendungen entwickelt.
Data Scientist
Centre for Non-Communicable Diseases (CNCD)
- Skalierbare ETL- und Datenverarbeitungspipelines mit Python, PySpark und SQL für Genomdatensätze mit über 10 TB entwickelt.
- Machine-Learning-Modelle mit Random Forest, Gradient Boosting und Neural Networks für groß angelegte Mustererkennung entwickelt.
- NLP-Klassifizierungspipelines mit Transformer-Architekturen wie BERT und ALBERT gebaut und dabei eine Precision von etwa 92 % bei Textklassifizierungsaufgaben erreicht.
- Machine-Learning-Services mit Docker und Jenkins-basierten CI/CD-Pipelines containerisiert und bereitgestellt.
Adaptive & Corrective RAG System
- Eine fortschrittliche RAG-Architektur mit Query Routing, Retrieval-Evaluation, korrigierendem Retrieval und Antwortvalidierung entwickelt.
- Strategien zur Reduzierung von Halluzinationen und zur Verbesserung der Zuverlässigkeit von Antworten in Enterprise-Wissenssystemen umgesetzt.
Enterprise Agentic RAG Platform
- Einen Enterprise-AI-Assistenten mit LangGraph, LangChain, Vektordatenbanken und LLM-APIs entworfen.
- Mehrstufige Reasoning-Workflows, Retrieval-Pipelines, Tool-Ausführung, Speicherverwaltung und Human-in-the-Loop-Freigabeworkflows implementiert.
- Evaluations-Workflows aufgebaut, um Retrieval-Qualität, Antwortgenauigkeit, Latenz und Zuverlässigkeit zu messen.
LLM-Evaluierungs-Framework
- Evaluation-Pipelines aufgebaut, um die Leistung von LLM-Anwendungen zu messen.
- Abrufqualität, Halluzinationsrate, Antwortgenauigkeit, Latenz und Token-Effizienz bewertet.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Werbung, Medien, Unterhaltung und Druck, Gesundheitswesen und Informationstechnologie (IT).
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Business Intelligence, Betrieb, Forschung und Entwicklung (F&E) und Produktentwicklung.
Zusammenfassung
Senior AI Engineer und Machine Learning Engineer mit über 8 Jahren Erfahrung in der Entwicklung von produktionsreifen AI-Systemen, LLM-Anwendungen, NLP-Pipelines und skalierbaren Machine-Learning-Plattformen. Spezialisiert auf Generative AI, Agentic-AI-Workflows, Retrieval-Augmented Generation (RAG), LLM-Orchestrierung, Tool Calling und MLOps. Erfahrung im Aufbau von Enterprise-AI-Lösungen mit LangGraph, LangChain, LlamaIndex, Python, PyTorch, TensorFlow, GCP, AWS und Azure.
Fähigkeiten
Generative Ai & Large Language Models (Llms)
Agentic Ai Systems
Multi-Agent-Architekturen
Retrieval-Augmented Generation (Rag)
Adaptive Rag & Corrective Rag
Langgraph Agent Workflows
Langchain & Llamaindex
Tool Calling & Function Calling
Model Context Protocol (Mcp)
Llm Evaluation
Llmops
Gpt-4
Claude
Gemini
Llama
Mistral
Hugging Face
Langchain
Langgraph
Llamaindex
Rag
Agents
Python
Pytorch
Tensorflow
Scikit-Learn
Transformers
Bert
Nlp
Lightgbm
Xgboost
Gcp
Aws
Azure
Vertex Ai
Bigquery
Cloud Run
Docker
Kubernetes
Mlflow
Ci/Cd
Sql
Pyspark
Snowflake
Airflow
Etl
Data Warehousing
Sprachen
Ausbildung
Muhammad Ali Jinnah University (MAJU)
M.S. · Bioinformatik · Karachi, Pakistan
University of Karachi
B.S. · Informatik · Karachi, Pakistan
Zertifikate & Bescheinigungen
AWS Architecting Solutions on AWS
Building Generative AI-Powered Applications with Python
Coursera
Google Cloud Professional Data Engineer Certification
Prompt Engineering for Generative AI
DeepLearning.AI
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Gehalts- / Tagessatzverteilung
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.
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.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Christian Schulz
Manuel Pasieka
Julien Look
Martin Wimmer
Marcel Meyer
Jürgen Fey
Martin Musiol
Kai Kramer
Max Ritter
Himanshu Negi
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Senior Data Scientist
Maciej Tatarek
Stephan Fröde
Julien Look
Christian Schulz
Manuel Pasieka
Martin Wimmer
Viktor Shcherban
Louis Guitton
Utku Erol
Mathias Wilhelm
Marcel Meyer
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Berlin, Deutschland arbeiten
Chris Wolf
Nune Isabekyan
Andreas Rühl
Christian Pestel
Anjana Rakesh
Anastasia Stokes
Benjamin Quecke
Anett Kriska
Piet Quade
Egon Maier
Aktuellste Projekte
FRATCH arbeitet mit vielen Unternehmen und Personalvermittlungen zusammen. Hier findest du unsere zuletzt veröffentlichten Projekte und Möglichkeiten.
