Karthikeyan A.-Kryptowährungskursprognose mithilfe von Algorithmen des maschinellen Lernens
Tagessatz prüfen
Erfahrungen
Kryptowährungskursprognose mithilfe von Algorithmen des maschinellen Lernens
- Mehrere Modelle des maschinellen Lernens (z. B. Regression, Zeitreihen, neuronale Netze) zur Prognose von Kryptowährungskursen entworfen, implementiert und bewertet. Dabei wurden Datenvorverarbeitung, Feature Engineering und Modelloptimierung eingesetzt, um die Prognosegenauigkeit zu verbessern.
- Eine ausführliche Datenanalyse und Visualisierung großer Datensätze zu Kryptowährungen durchgeführt und dabei Tools wie Python sowie Bibliotheken wie Pandas und Matplotlib verwendet, um Trends und Muster zu erkennen.
Fortgeschrittene Forschungsmethoden – Adversariales maschinelles Lernen
- Eine ausführliche Studie zur Anwendung adversarialer Techniken des maschinellen Lernens zur Verbesserung der Erkennung und Klassifizierung von Malware durchgeführt. Dabei wurden Hintergrund, Ziele, Methodik und erwartete Ergebnisse in einer 15-seitigen Präsentation für den Kurs Advanced Research Methodologies dargestellt.
- Einen strukturierten Forschungsplan mit These, Herkunft der Quellen, erwarteten Herausforderungen, Empfehlungen und Literaturverzeichnis erstellt. Der Schwerpunkt lag auf der Rolle des adversarialen maschinellen Lernens in der Cybersicherheit. Die Arbeit wurde im Rahmen eines gemeinschaftlichen akademischen Projekts präsentiert.
Cloud Computing – Netflix-Datenvisualisierungsprojekt mit Amazon QuickSight
- Dashboards mit einem in einem S3-Bucket gespeicherten Netflix-Datensatz entwickelt und angepasst. Mithilfe von Filtern wurden in Amazon QuickSight Balkendiagramme zum Vergleich von Veröffentlichungsjahren und Inhaltstypen erstellt.
- Einen S3-Bucket für die Datenanalyse mit QuickSight verbunden, indem erfolgreich eine Verbindung über eine manifest.json-Datei mit der passenden URI hergestellt wurde. Dadurch konnten CSV-basierte Netflix-Daten nahtlos importiert und visualisiert werden.
Datenvisualisierung – meistgestreamte Spotify-Songs 2023
- Eine explorative Datenanalyse des Spotify-2023-Datensatzes durchgeführt, um fehlende Werte (z. B. 5.25% in Shazam charts, 9.97% in key) und Datentypen zu identifizieren und die Visualisierung sowie Trendanalyse von Musikeigenschaften wie Tanzbarkeit und Energie vorzubereiten.
- Prozentsätze fehlender Werte berechnet und Daten zu Songmerkmalen (z. B. Streams und Playlists auf verschiedenen Plattformen) strukturiert, um Muster bei Beliebtheit, Veröffentlichungsdaten und Audioeigenschaften für eine umfassende Untersuchung des Musikstreamings aufzudecken.
Maschinelles Lernen – Wettervorhersage
- Ein Random-Forest-Modell zur Wettervorhersage in Google Colab mit scikit-learn implementiert, um Wetterbedingungen auf Grundlage historischer Datenmerkmale wie Temperatur, Luftfeuchtigkeit, Luftdruck und Windgeschwindigkeit aus einem CSV-Datensatz vorherzusagen.
- Eine CSV-Datei zur Wettervorhersage in Pandas hochgeladen und analysiert sowie Dataframes angezeigt, um Muster in Variablen wie Datum, Uhrzeit und Umweltmesswerten zu untersuchen und das Modelltraining vorzubereiten.
Datenanalyse – Hybrides Empfehlungssystem
- Ein hybrides Empfehlungssystem für Netflix-Filme und -Serien mit inhaltsbasierten und kollaborativen Filtertechniken entwickelt und implementiert, wobei Machine-Learning-Modelle und NLP mit NLTK integriert wurden, um die Genauigkeit der Empfehlungen zu verbessern.
- Explorative Datenanalyse eines Netflix-Datensatzes durchgeführt und wichtige Muster (z. B. Genreverteilung, Top-Regisseure) mit Matplotlib und Seaborn visualisiert, Datenbereinigung durchgeführt und Feature-Engineering-Techniken einschließlich zielgeführter Kodierung und der Erstellung binärer Merkmale für Schauspieler, Regisseure und Genres angewendet, wodurch über mehrere Modelle hinweg hohe Werte bei Genauigkeit, Präzision und Recall erzielt wurden.
Data Engineering – Titanic-Projekt
- Eine Datenpipeline in GCP mit Apache Airflow entwickelt und implementiert, um den Titanic-Datensatz in BigQuery zu laden und zu verarbeiten, benutzerverwaltete Servicekonten erstellt und APIs für eine nahtlose Datenintegration und -verwaltung aktiviert.
- Eine Verbindung zwischen BigQuery und Looker Studio eingerichtet, um ein umfassendes Dashboard zu erstellen, das eine effektive Untersuchung und Visualisierung der Erkenntnisse aus dem Titanic-Datensatz ermöglicht.
- Directed Acyclic Graphs (DAGs) in Airflow konfiguriert und überwacht, um Datenverarbeitungsaufgaben zu orchestrieren und eine effiziente Ausführung sowie die Validierung der aus öffentlichen Datensätzen in BigQuery geladenen Daten sicherzustellen.
Automatisierungsingenieur
CommScope
- Eine Website zur Zuweisung von Infrastruktur- und Personalressourcen für die Erstellung von Projekten, Release-Namen und Builds mithilfe von Webtechnologien entwickelt und implementiert.
- Ein Tool namens IHCDTS (Integrated-Home Continuous Development Test System) zur Überwachung von Wi-Fi-Testkammern im Labor neu konzipiert und entwickelt, sodass Benutzer den Status der Kammern anzeigen und Testberichte erstellen können.
- Kabelmodems, Router und Gateways ausführlich geprüft, neue Testfälle entwickelt und implementiert sowie die Leistung und Qualität bestehender Testfälle analysiert.
- Automatisierungstestscripts analysiert und mobile App-Tests mit dem Appium-Tool durchgeführt.
- Eine Testabdeckung von 80% erreicht, Produktfehler um 25% reduziert und die Effektivität der Testabdeckung um 90% erhöht, indem bestehende Testfälle optimiert und neue entwickelt wurden.
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.
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).
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, Window, Macos
Sprachen
Ausbildung
University of Europe for Applied Sciences
Data Science · Data Science · Potsdam, Deutschland
Visvesvaraya Technological University
Bachelor of Engineering, Information Science · Information Science · Bengaluru, Indien
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
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: Kryptowährungskursprognose mithilfe von Algorithmen des maschinellen Lernens, Fortgeschrittene Forschungsmethoden – Adversariales maschinelles Lernen, Cloud Computing – Netflix-Datenvisualisierungsprojekt mit Amazon QuickSight.
Die neueste Position von Karthikeyan ist Kryptowährungskursprognose mithilfe von Algorithmen des maschinellen Lernens.
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 Data Science von University of Europe for Applied Sciences und einen Bachelor in Information Science von Visvesvaraya Technological University.
Die Verfügbarkeit von Karthikeyan muss bestätigt werden.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
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.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 9 Okt 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Julien L.
Abhishek N.
Bhavani S.
Kaan D.
Mathis D.
Tobias J.
Yahya S.
Kiran kumar K.
Hüseyin K.
Stephan M.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Kryptowährungskursprognose mithilfe von Algorithmen des maschinellen Lernens
Raphael M.
Stefan O.
Ranjith P.
Meisam G.
Nino S.
Julian W.
Aravind S.
Ivaylo S.
Nooshin O.
Felix B.
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Berlin, Deutschland arbeiten
William N.
Paul K.
Björn S.
Sascha B.
Greta S.
Dmitry P.
Christian P.
Chris W.
Viliana H.
Nune I.
