Karthikeyan A - Prognose von Kryptowährungspreisen mit Machine-Learning-Algorithmen

Q: Wo ist Karthikeyan ansässig?

Karthikeyan ist in Berlin, Deutschland ansässig.

Q: Welche Sprachen spricht Karthikeyan?

Karthikeyan spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse) .

Q: Wie viele Jahre Erfahrung hat Karthikeyan?

Karthikeyan hat mindestens 4 Jahre Erfahrung. In dieser Zeit hat Karthikeyan in mindestens 8 verschiedenen Rollen und für 1 Firma gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 5 Monate . Beachten Sie, dass Karthikeyan möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Karthikeyan?

Die neueste Position von Karthikeyan ist Prognose von Kryptowährungspreisen mit Machine-Learning-Algorithmen .

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

In den letzten Jahren hat Karthikeyan für CommScope gearbeitet.

Q: In welchen Industrien hat Karthikeyan die meiste Erfahrung?

Karthikeyan hat die meiste Erfahrung in Industrien wie Telekommunikation , Informationstechnologie (IT) , Medien und Unterhaltung und Druck . Karthikeyan hat auch etwas Erfahrung in Bank- und Finanzwesen .

Q: In welchen Bereichen hat Karthikeyan die meiste Erfahrung?

Karthikeyan hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT) , Qualitätssicherung und Business Intelligence . Karthikeyan hat auch etwas Erfahrung in Forschung und Entwicklung (F&E) und Finanzen .

Q: Was ist die Ausbildung von Karthikeyan?

Karthikeyan hat einen Master in Datenwissenschaft von University of Europe for Applied Sciences und einen Bachelor in Informationswissenschaft von Visvesvaraya Technological University .

Q: Wie ist die Verfügbarkeit von Karthikeyan?

Karthikeyan ist sofort vollzeit verfügbar für passende Projekte.

Empfohlener Experte

Berlin, Deutschland

Tagessatz prüfen

Erfahrungen

März 2025 - Juli 2025

5 Monate

Prognose von Kryptowährungspreisen mit Machine-Learning-Algorithmen

Mehrere Machine-Learning-Modelle (z. B. Regression, Zeitreihenanalyse, neuronale Netze) entworfen, implementiert und bewertet, um Kryptowährungspreise vorherzusagen. Dabei Datenvorverarbeitung, Feature-Engineering und Modelloptimierung eingesetzt, um die Vorhersagegenauigkeit zu verbessern.
Gründliche Datenexploration und Visualisierung großer Kryptowährungs-Datensätze durchgeführt, mit Tools wie Python und Bibliotheken wie Pandas und Matplotlib, um Trends und Muster zu erkennen.

Okt. 2024 - Jan. 2025

4 Monate

Fortgeschrittene Forschungsmethoden – Adversarial Machine Learning

Eine ausführliche Studie zur Anwendung adversarialer Machine-Learning-Techniken zur Verbesserung der Malware-Erkennung und -Klassifizierung durchgeführt. Hintergrund, Ziele, Methodik und erwartete Ergebnisse in einer 15-seitigen Präsentation für den Kurs 'Fortgeschrittene Forschungsmethoden' dargestellt.
Einen strukturierten Forschungsplan entwickelt, einschließlich These, Quellen, erwarteter Herausforderungen, Empfehlungen und Referenzen, mit dem Schwerpunkt auf der Rolle adversarialer Machine-Learning-Methoden in der Cybersicherheit, präsentiert im Rahmen eines gemeinsamen akademischen Projekts.

Apr. 2024 - Aug. 2024

5 Monate

Cloud Computing – Netflix-Datenvisualisierungsprojekt mit Amazon QuickSight

Dashboards entwickelt und angepasst, mit einem Netflix-Datensatz in einem S3-Bucket und Filtern, um mit Amazon QuickSight Balkendiagramme zu erstellen, die Veröffentlichungsjahre und -typen vergleichen.
Einen S3-Bucket in QuickSight für die Datenanalyse integriert, indem eine Verbindung über eine manifest.json-Datei mit der passenden URI erfolgreich hergestellt wurde. Dadurch ist ein nahtloser Datenimport und die Visualisierung von CSV-basierten Netflix-Daten möglich.

Apr. 2024 - Aug. 2024

5 Monate

Datenvisualisierung – meistgestreamte Spotify-Songs 2023

Explorative Datenanalyse am Spotify-2023-Datensatz durchgeführt, um fehlende Werte (z. B. 5,25 % in Shazam-Charts, 9,97 % im Key-Feld) und Datentypen zu identifizieren und für die Visualisierung sowie Trendanalyse von Musikmerkmalen wie Tanzbarkeit und Energie vorzubereiten.
Prozentsätze fehlender Werte berechnet und Daten zu Song-Attributen (z. B. Streams, Playlists auf verschiedenen Plattformen) strukturiert, um Muster in Popularität, Veröffentlichungsdaten und Audioeigenschaften für eine umfassende Musik-Streaming-Studie aufzudecken.

Apr. 2024 - Aug. 2024

5 Monate

Machine Learning – Wettervorhersage

Ein Random-Forest-Modell zur Wettervorhersage in Google Colab mit scikit-learn implementiert, um Wetterbedingungen basierend auf historischen Daten wie Temperatur, Luftfeuchtigkeit, Luftdruck und Windgeschwindigkeit aus einer CSV-Datei vorherzusagen.
Eine Wettervorhersage-CSV-Datei in Pandas geladen und analysiert, indem DataFrames angezeigt wurden, um Muster in Variablen wie Datum, Uhrzeit und Umgebungsdaten zu untersuchen und das Modelltraining vorzubereiten.

Okt. 2023 - Jan. 2024

4 Monate

Hybrid

Datenanalyse - Hybrides Empfehlungssystem

Entwarf und implementierte ein hybrides Empfehlungssystem für Netflix-Filme und -Serien mithilfe von Content-basierten und kollaborativen Filtertechniken, integrierte Machine-Learning-Modelle und NLP mit NLTK, um die Empfehlungsgenauigkeit zu verbessern.
Führte eine explorative Datenanalyse eines Netflix-Datensatzes durch, visualisierte zentrale Muster (z. B. Genre-Verteilung, Top-Regisseure) mit Matplotlib und Seaborn, bereinigte die Daten und wandte Feature-Engineering-Techniken an, einschließlich zielgerichteter Kodierung und Erstellung binärer Merkmale für Besetzung, Regisseure und Genres, und erzielte hohe Werte bei Genauigkeit, Präzision und Recall in mehreren Modellen.

Okt. 2023 - Jan. 2024

4 Monate

Datenengineering - Titanic-Projekt

Entwarf und implementierte eine Datenpipeline in GCP mit Apache Airflow, um den Titanic-Datensatz in BigQuery zu laden und zu verarbeiten, erstellte nutzergesteuerte Servicekonten und aktivierte APIs für nahtlose Datenintegration und -verwaltung.
Stellte eine Verbindung zwischen BigQuery und Looker Studio her, um ein umfassendes Dashboard zu erstellen und eine effektive Datenexploration sowie -visualisierung der Erkenntnisse aus dem Titanic-Datensatz zu ermöglichen.
Konfigurierte und überwachte Directed Acyclic Graphs (DAGs) in Airflow zur Orchestrierung von Datenverarbeitungsaufgaben, um eine effiziente Ausführung und Validierung der aus öffentlichen Datensätzen in BigQuery geladenen Daten sicherzustellen.

Nov. 2020 - Apr. 2023

2 Jahre 6 Monate

Bengaluru, Indien

Automatisierungsingenieur

CommScope

Entwarf und entwickelte eine Website zur Verwaltung von Infrastruktur- und Personalressourcen für Projekte, Release-Namen und Builds mithilfe von Webtechnologien.
Überarbeitete und entwickelte ein Tool namens IHCDTS (Integrated-Home Continuous Development Test System) zur Verfolgung von WLAN-Testkammern im Labor, das es Nutzern ermöglicht, den Status der Kammern einzusehen und Testberichte zu erstellen.
Führte detaillierte Inspektionen von Kabelmodems, Routern und Gateways durch, entwickelte und implementierte neue Testfälle und analysierte die Leistung und Qualität bestehender Fälle.
Analysierte Automatisierungstestskripte und führte mobile App-Tests mit dem Tool Appium durch.
Erreichte 80% Testabdeckung, reduzierte Produktfehler um 25% und steigerte die Effektivität der Testabdeckung um 90% durch Optimierung bestehender Testfälle und Entwicklung neuer.

Branchenerfahrung

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

Erfahren in Telekommunikation, Informationstechnologie (IT), Bank- und Finanzwesen, Medien und Unterhaltung und Druck.

Telekommunikation

Informationstechnologie (IT)

Bank- und Finanzwesen

Medien, Unterhaltung und Druck

Erfahrung nach Fachbereich

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

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

Informationstechnologie (IT)

Qualitätssicherung

Business Intelligence

Finanzen

Forschung und Entwicklung (F&E)

Fähigkeiten

Ki-ProduktivitäTstools: Replit, Gemini, Copilot
Data Science: Tableau, Powerbi, Tensorflow, Pandas, Numpy, Scikit-Learn
Cloud: Docker
Programmiersprachen: C, Python, Shell-Script, Javascript
Ci/Cd: Maven, Jenkins, Github
Plattformen: Linux, Windows, Macos

Sprachen

Englisch

Verhandlungssicher

Deutsch

Grundkenntnisse

Ausbildung

Okt. 2023 - Aug. 2025

University of Europe for Applied Sciences

Datenwissenschaft · Datenwissenschaft · Potsdam, Deutschland

Aug. 2016 - Juli 2020

Visvesvaraya Technological University

Bachelor of Engineering, Informationswissenschaft · Informationswissenschaft · Bengaluru, Indien

Statistiken

Erfahrung

Positionen gesamt 8

Erfahrung in Telekommunikation 2.5 J.

Durchschn. Dauer 7 M.

Längste Erfahrung 2 J. 5 M.

Globale Erfahrung

Länder gearbeitet 1 (Indien)

Hauptland Indien

Fachkenntnisse

Aktuelle Rollen Prognose von Kryptowährungspreisen mit Machine-Learning-Algorithmen, Fortgeschrittene Forschungsmethoden – Adversarial Machine Learning, Cloud Computing – Netflix-Datenvisualisierungsprojekt mit Amazon QuickSight

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

Hauptfachbereiche Informationstechnologie (IT), Qualitätssicherung, Business Intelligence

Qualifikationen

Höchster Abschluss Master

Profil

Erstellt

September 2025

Du suchst Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Häufig gestellte Fragen

Du hast Fragen? Hier findest du mehr.

Karthikeyan ist in Berlin, Deutschland ansässig.

Karthikeyan spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse).

Karthikeyan hat mindestens 4 Jahre Erfahrung. In dieser Zeit hat Karthikeyan in mindestens 8 verschiedenen Rollen und für 1 Firma gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 5 Monate. Beachten Sie, dass Karthikeyan möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Basierend auf der jüngsten Erfahrung wäre Karthikeyan gut geeignet für Rollen wie: Prognose von Kryptowährungspreisen mit Machine-Learning-Algorithmen, Fortgeschrittene Forschungsmethoden – Adversarial Machine Learning, Cloud Computing – Netflix-Datenvisualisierungsprojekt mit Amazon QuickSight.

Die neueste Position von Karthikeyan ist Prognose von Kryptowährungspreisen mit Machine-Learning-Algorithmen.

In den letzten Jahren hat Karthikeyan für CommScope gearbeitet.

Karthikeyan hat die meiste Erfahrung in Industrien wie Telekommunikation, Informationstechnologie (IT), Medien und Unterhaltung und Druck. Karthikeyan hat auch etwas Erfahrung in Bank- und Finanzwesen.

Karthikeyan hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Qualitätssicherung und Business Intelligence. Karthikeyan hat auch etwas Erfahrung in Forschung und Entwicklung (F&E) und Finanzen.

Karthikeyan hat einen Master in Datenwissenschaft von University of Europe for Applied Sciences und einen Bachelor in Informationswissenschaft von Visvesvaraya Technological University.

Karthikeyan ist sofort vollzeit verfügbar für passende Projekte.

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

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

Tagessatzverteilung

0 1 2 3 4

<€640 €640-800 €800-960 €960-1120 €1120+

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.

1000

750

500

250

Ø Tagessatz 823 €

Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.

1000

750

500

250

Median-Tagessatz 800 €

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.