John Guerrero - KI/ML-Ingenieur

Q: Wo ist John ansässig?

John ist in Stockholm, Schweden ansässig.

Q: Welche Sprachen spricht John?

John spricht folgende Sprachen: Schwedisch (Verhandlungssicher), Englisch (Fortgeschritten) .

Q: Wie viele Jahre Erfahrung hat John?

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

Q: Was ist das neueste Projekt von John?

Die neueste Position von John ist KI/ML-Ingenieur bei SoluLab .

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

In den letzten Jahren hat John für SoluLab und Andersen Lab gearbeitet.

Q: In welchen Industrien hat John die meiste Erfahrung?

John hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT) und Bank- und Finanzwesen .

Q: In welchen Bereichen hat John die meiste Erfahrung?

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

Q: In welchen Industrien hat John kürzlich gearbeitet?

John hat kürzlich in Industrien wie Informationstechnologie (IT) und Bank- und Finanzwesen gearbeitet.

Q: In welchen Bereichen hat John kürzlich gearbeitet?

John hat kürzlich in Bereichen wie Informationstechnologie (IT) , Betrieb und Forschung und Entwicklung (F&E) gearbeitet.

Empfohlener Experte

Stockholm, Schweden

Tagessatz prüfen

Erfahrungen

Jan. 2023 - Heute

3 Jahre 7 Monate

San Francisco, Vereinigte Staaten

KI/ML-Ingenieur

SoluLab

Entwickelte einen produktionsreifen Multi-Agenten-KI-Orchestrierungsdienst (FastAPI, Anthropic Claude) für Abläufe im Hotelbetrieb und integrierte WhatsApp/Telegram-Messaging, toolbasierte Laravel-API-Automatisierung (Aufgabenerstellung, Taxibuchung, Eskalationsweiterleitung) und ein PostgreSQL-gestütztes Gesprächsspeicher auf Google Cloud Run.
Entwarf und baute ein auf LangGraph basierendes Multi-Agenten-System mit spezialisierten Domänenagenten, gemeinsamem Graph-/Vektorspeicher, HITL-Steuerungen und einem FastAPI/React-Stack, um funktionsübergreifende Geschäftsabläufe von der Visionserfassung bis zur PDF-Berichtauslieferung zu automatisieren.
Entwickelte eine End-to-End-RAG-MCP-Pipeline für einen DeFi-Risikagenten, die eine Echtzeit-Bewertung des Risikos von Ethereum-Wallets ermöglicht, indem Transaktionsverlauf, Guthaben und Multi-Protokoll-Aktivpositionen integriert werden.
Migrierte eine veraltete monolithische Web-Scraping-Pipeline in eine Microservices-Architektur mit AWS SNS/SQS, Lambda, ECS und Fargate und verbesserte so deutlich Zuverlässigkeit, Skalierbarkeit und parallelen Datendurchsatz.
Nutzte LangChain, LangGraph und mehrere LLMs, um das Agenten-Denken, die Planung und die Tool-Ausführung anzutreiben und so Robustheit und Anpassungsfähigkeit bei wechselnden Bedingungen zu gewährleisten.
Erstellte mit OpenAI Gym eine Reinforcement-Learning-Handelsumgebung, wandte Direct Preference Optimization (DPO) an, um das Modellverhalten zu verfeinern und die Entscheidungsgenauigkeit in LLM-gesteuerten Agenten zu erhöhen.
Bewertete die Leistung von RAG-Pipelines mit RAGAS und führte A/B-Tests für die Online-Bewertung durch, um eine kontinuierliche Verbesserung von Abrufqualität und Generierungstreue zu ermöglichen.
Setzte AWS SageMaker, Lambda und Step Functions für skalierbares ML-Training und Deployment ein und stellte reproduzierbare Workflows, geringe Latenz bei Inferenz und automatisierte Pipeline-Orchestrierung sicher.

Aug. 2020 - Dez. 2022

2 Jahre 5 Monate

London, Vereinigtes Königreich

Dateningenieur / Softwareingenieur

Andersen Lab

Entwarf und implementierte groß angelegte ETL-/ELT-Datenpipelines für das Einlesen, die Transformation und Anreicherung von Datensätzen aus mehreren Quellen und unterstützte dadurch nachgelagerte Machine-Learning-Modelle und Analyseplattformen.
Entwickelte skalierbare Daten-Speicher- und Verarbeitungs-Lösungen mit AWS EC2, RDS, Redshift, S3 und Glue und stellte hohe Verfügbarkeit, Kosteneffizienz und optimierte Abfrageleistung für Batch- und Streaming-Workloads sicher.
Entwickelte und optimierte RESTful APIs in Python und ermöglichte so eine nahtlose Interaktion zwischen Microservices, Datenpipelines und Echtzeit-Verarbeitungssystemen.
Arbeitete eng mit Data Scientists zusammen, um Machine-Learning-Modelle in Produktion zu bringen, indem Feature-Pipelines, Model-Serving-Endpunkte und Monitoring-Workflows erstellt wurden, um datengestützte Entscheidungen zu unterstützen.
Führte Modernisierungsprojekte für Altsysteme an und migrierte die On-Premise-Dateninfrastruktur in cloudnative Architekturen mit Docker und Kubernetes für Containerisierung, Orchestrierung und Autoscaling.
Implementierte fortgeschrittene Datenanalyse- und Statistikverfahren (PCA, Feature-Normalisierung, Korrelationsanalyse, Hypothesentests), um Dimensionsreduktion, Anomalieerkennung und Feature-Engineering in ML-Workflows zu unterstützen.
Erstellte interaktive Datenvisualisierungen und Dashboards mit Tableau, Power BI und Python (Plotly/Matplotlib) und verwandelte komplexe Datenmuster in umsetzbare Erkenntnisse für Stakeholder.

Juli 2019 - Juli 2020

1 Jahr 1 Monat

Stockholm, Schweden

Softwareingenieur

Archr

Leitete die komplette Entwicklung von Archrs SaaS-Plattform zur Nachhaltigkeitsbewertung, baute eine produktive UI (React.js) und Backend-Services (Python/FastAPI), die von kommerziellen Marken verwendet werden.
Entwarf eine verteilte Microservices-Architektur mit Docker und Kubernetes, die eine skalierbare Aufnahme von Produktdaten und parallele Ausführung von Nachhaltigkeitsbewertungsmodellen ermöglicht.
Implementierte CI/CD-Pipelines mit Cloud Build und GKE und verringerte so Deployment-Hürden und beschleunigte die Feature-Auslieferung.
Integrierte zentrale GCP-Dienste für Produktions-Workloads:
Cloud Storage als primärer Data Lake für Ingest-Artefakte und LCA-Datensätze
Cloud Functions für Compute-Trigger und ereignisbasierte Batch-Workflows
Cloud SQL (PostgreSQL) für transaktionalen Speicher und Metadatenabruf
Entwickelte eine vollständige Nachhaltigkeitsbewertungspipeline mit Normalisierungslogik, LCA-basierten Metriken und internen Bewertungsalgorithmen mit Python, Pandas und SciPy.
Baute ein responsives Analytics-Dashboard (D3.js, Chart.js), das Marken erlaubt, Impact-Aufschlüsselungen zu visualisieren, Verbesserungen nachzuverfolgen und Nachhaltigkeitsbewertungen in E-Commerce-Shops einzubetten.
Arbeitete mit Fachexperten zusammen, um Umwelt- und LCA-Standards in wiederverwendbare Bewertungsmodule zu übersetzen und so eine konsistente Lebenszyklusanalyse über Produktkataloge hinweg zu ermöglichen.

Okt. 2017 - Juni 2019

1 Jahr 9 Monate

Schweden

Full-Stack-Entwickler

Unit4

Leitete die Entwicklung dynamischer, hochperformanter Frontend-Anwendungen mit React, Redux und TypeScript und lieferte so nahtlose Nutzererlebnisse über mehrere Features und Produkt-Workflows.
Entwarf und implementierte skalierbare RESTful APIs mit Node.js, Express und MongoDB in einer Microservices-Architektur und stellte hohen Durchsatz und Wartbarkeit sicher.
Integrierte GraphQL mit Apollo Client/Server, reduzierte Over-Fetching, verbesserte Dateneffizienz und vereinfachte Client-Server-Kommunikation.
Entwickelte serverseitig gerenderte React-Anwendungen mit Next.js, verbesserte SEO, verringerte Ladezeiten und steigerte Conversion-Raten für E-Commerce-Plattformen.
Containerisierte Services mit Docker und orchestrierte Deployments mit Kubernetes, optimierte CI/CD, erhöhte Systemzuverlässigkeit und ermöglichte vorhersehbares Scaling in verschiedenen Umgebungen.
Entwickelte Cloud-native Lösungen auf AWS unter Einsatz von Lambda, S3, RDS und weiteren Diensten, um hohe Verfügbarkeit, Fehlertoleranz und kosteneffiziente Infrastruktur sicherzustellen.

Juni 2017 - Okt. 2017

5 Monate

Schweden

Praktikant Software-Entwickler

Unit4

Wirkte als wichtiges Teammitglied im Entwicklungsteam mit und baute eine interne, skalierbare Webanwendung, die in mehreren Abteilungen eingesetzt wurde.

Branchenerfahrung

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

Erfahren in Informationstechnologie (IT) und Bank- und Finanzwesen.

Informationstechnologie (IT)

Bank- und Finanzwesen

Erfahrung nach Fachbereich

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

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

Informationstechnologie (IT)

Betrieb

Forschung und Entwicklung (F&E)

Business Intelligence

Produktentwicklung

Zusammenfassung

Ich bin KI-Softwareingenieur mit fundierter Erfahrung im Aufbau produktionsreifer LLM-Systeme, Multi-Agenten-Pipelines und großangelegter Daten-/ML-Workflows in den Bereichen Web3, Finanzen und E-Commerce, Nachhaltigkeit sowie Unternehmensplattformen. Neben meiner ML-Expertise bringe ich starke Softwareengineering-Grundlagen mit – ich entwerfe Full-Stack-Anwendungen, Microservices-Architekturen und leistungsfähige APIs, die reale Produkte antreiben. Mit solider DevOps- und Cloud-Erfahrung in AWS und Kubernetes liefere ich stets skalierbare, sichere und End-to-End-KI-Lösungen, die nahtlos in Produktionsumgebungen integriert werden.

Fähigkeiten

Ki / Maschinelles Lernen

Llms
Multi-Agenten-Systeme
Rag-Pipelines
Langchain / Langgraph
Mlops
Rlhf / Dpo
Modellbereitstellung
Vektordatenbanken
Feature-Engineering
Ensemble-Vorhersagen (Lstm, Arima, Prophet)
Risikobewertungssysteme
Embeddings
Wissensdistillation
Nlp
Prompt-Engineering

Backend- & Software-Engineering

Python
Fastapi
Node.Js
Express.Js
Microservices-Architektur
Rest / Graphql
Websocket-Services
Api-Design-Standards
Feature-Flagging
Hochvolumen-Anfrageverarbeitung
Caching-Strategien
Serverseitig Gerenderte Apps (Next.Js)
Authentifizierung & Oauth
Design-Patterns

Datenengineering & Analytics

Etl-/Elt-Pipelines
Datenmodellierung
Daten-Normalisierung & -Bereinigung
Batch- & Streaming-Verarbeitung
Apache Kafka
Sql-Optimierung
Statistische Analyse (Pca, Korrelation, Tests)
Tableau
Power Bi
Data-Warehouse-Design
Data-Lake-Architekturen
A/B-Tests
Experimentier-Frameworks

Cloud, Devops & Infrastruktur

Google Cloud Platform (Gke, Cloud Run, Bigquery, Cloud Storage, Pub/Sub, Vertex Ai FüR Modellbereitstellung)
Aws (Lambda, Ecs, Fargate, S3, Rds, Redshift, Glue, Sagemaker, Step Functions)
Kubernetes
Docker
Ci/Cd (Github Actions)
Serverless-Architekturen
Terraform (Infrastructure-As-Code)
Autoscaling & Load Balancing
Observability (Prometheus, Grafana)

Sprachen

Schwedisch

Verhandlungssicher

Englisch

Fortgeschritten

Ausbildung

Okt. 2011 - Juni 2017

Stockholm University

Masterabschluss · Informatik · Stockholm, Schweden

Statistiken

Erfahrung

Positionen gesamt 5

Erfahrung in Informationstechnologie (IT) 9 J.

Durchschn. Dauer 1 J. 9 M.

Längste Erfahrung 3 J. 6 M.

Globale Erfahrung

Länder gearbeitet 3 (Schweden, Vereinigte Staaten, Vereinigtes Königreich)

Hauptland Schweden

Fachkenntnisse

Aktuelle Rollen KI/ML-Ingenieur, Dateningenieur / Softwareingenieur, Softwareingenieur

Hauptbranchen Informationstechnologie (IT), Bank- und Finanzwesen

Hauptfachbereiche Informationstechnologie (IT), Betrieb, Forschung und Entwicklung (F&E)

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 John ansässig?

John ist in Stockholm, Schweden ansässig.

Welche Sprachen spricht John?

John spricht folgende Sprachen: Schwedisch (Verhandlungssicher), Englisch (Fortgeschritten).

Wie viele Jahre Erfahrung hat John?

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

Für welche Rollen wäre John am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre John gut geeignet für Rollen wie: KI/ML-Ingenieur, Dateningenieur / Softwareingenieur, Softwareingenieur.

Was ist das neueste Projekt von John?

Die neueste Position von John ist KI/ML-Ingenieur bei SoluLab.

Für welche Unternehmen hat John in den letzten Jahren gearbeitet?

In den letzten Jahren hat John für SoluLab und Andersen Lab gearbeitet.

In welchen Industrien hat John die meiste Erfahrung?

John hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT) und Bank- und Finanzwesen.

In welchen Bereichen hat John die meiste Erfahrung?

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

In welchen Industrien hat John kürzlich gearbeitet?

John hat kürzlich in Industrien wie Informationstechnologie (IT) und Bank- und Finanzwesen gearbeitet.

In welchen Bereichen hat John kürzlich gearbeitet?

John hat kürzlich in Bereichen wie Informationstechnologie (IT), Betrieb und Forschung und Entwicklung (F&E) gearbeitet.

Was ist die Ausbildung von John?

John hat einen Master in Informatik von Stockholm University.

Wie ist die Verfügbarkeit von John?

Die Verfügbarkeit von John muss bestätigt werden.

Wie hoch ist der Stundensatz von John?

Der Stundensatz von John 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 John beauftragen?

Um John 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.

1000

750

500

250

⌀ Markt: 648-808 €

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.