Erfahrungen
LLM-Benchmark-Reviewer
Pasiflora AI
- Prüfe STEM-Reasoning-Benchmarks für den Übergang von Graduate bis PhD auf Selbstständigkeit, Originalität, technische Korrektheit, Eindeutigkeit der Antwort und reproduzierbare Schritt-für-Schritt-Referenzlösungen.
- Prüfe LLM-Antwortsets gegen Referenzantworten und Bewertungsrubriken, verfolge Fehler bis zu einzelnen Reasoning-Schritten zurück und gebe vor der Abgabe präzises technisches Feedback.
PyTorch-Experte - KI-Bewertung
AfterQuery
- Entwerfe PyTorch-Benchmarks auf Industrieniveau für KI-Coding-Agents, mit Fokus auf subtile Fehler in Tensor-Layouts, Autograd, numerischer Präzision, Kompilierung und der Integration von Kernel und Framework.
- Erstelle Docker-basierte Evaluationspakete mit Referenzlösungen und deterministischen Fail-to-Pass- und Regressionstests und prüfe fehlerhafte sowie korrigierte Implementierungen end-to-end.
Machine-Learning-Ingenieur - KI-Benchmarking
Mercor
- Erstellt und bewertet Machine-Learning-Benchmark-Aufgaben und prüft dabei KI-generierte Spezifikationen gegen Aufgabenziele und Datensatzanforderungen.
- Analysierte Aufgabendatensätze und implementierte Referenzlösungen, die zu den Benchmark-Spezifikationen und Bewertungskriterien passen.
Python-Coding-Experte - KI-Training
Micro.1
- Bewerte und korrigiere KI-generierten Code, hauptsächlich in Python, anhand von Aufgabenspezifikationen und Review-Rubriken und behebe funktionale, logische und Wartbarkeitsfehler.
- Erledigte Frontend- und Backend-Coding-Aufgaben, debuggte generierte Implementierungen und prüfte das funktionale Verhalten.
LLM- und Agentic-KI-Ingenieur
Turing.com
- Führte Python-basierte Post-Training- und Evaluations-Workflows für LLMs für SFT und RLHF aus und erstellte sowie prüfte Modellantworten für Coding- und Datenanalyseaufgaben.
- Bewertete das Verhalten agentischer Modelle über mehrstufige Aufgaben hinweg und dokumentierte technische Erkenntnisse; erhielt eine Beförderung zum Secondary PoD Lead für Review-Qualität und Delivery-Koordination.
KI/ML-Ingenieur
DME (Data Machine Elite)
- Eine auf Keras basierende Multi-Scale CNN-LSTM für die Anomalieerkennung in Mobilfunknetzen entwickelt, die 32- und 64-Filter-CNN-Features mit gestapelten LSTMs und einem Sigmoid-Klassifikator kombiniert; EDA-, SMOTE-, Binary-Cross-Entropy- und Evaluations-Pipelines aufgebaut, die 99 % Genauigkeit und einen F1-Score von 98 % für die Anomalieklasse erreicht haben.
- Cross-Dataset-Transfer-Learning umgesetzt, indem trainierte Gewichte auf einem zweiten realen LTE-Datensatz wiederverwendet wurden; nach einem 100-Epochen-Training des Quellmodells wurden nach 20 Fine-Tuning-Epochen 95 % Genauigkeit erreicht.
Generative KI-Entwickler (Diffusionsmodelle)
Ca' Foscari University of Venice
- Einen bedingten DDPM-Prototyp in PyTorch für die Bilderzeugung mit 32x32 CIFAR-10 entwickelt, mit einem U-Net-ähnlichen Encoder-Decoder mit Residual-Blöcken, Vier-Head-Attention, GroupNorm/SiLU-Schichten, Skip-Connections und einem Cosine-Noise-Schedule.
- Einen 20-Epochen-Workflow zur Rauschvorhersage mit Gaussian-Noise-Injektion, MSE-Loss, Adam/StepLR-Optimierung, Gradient Clipping, Checkpointing pro Epoche und Visualisierung der Samples nach dem Training aufgebaut; außerdem Autoencoder, GANs, GNNs, OOD-Erkennung und Active Learning untersucht.
Machine-Learning-Ingenieur
AgriDunya Technologies
- CNN-Bildklassifikatoren in Python und PyTorch für landwirtschaftliche Anwendungsfälle entwickelt und evaluiert, mit Train/Test-Dataloaders, Cross-Entropy-Loss, Adam-Optimierung, Confusion-Matrix-Analyse und Model-Checkpointing.
- Eine Flask-REST-API für die Erkennung von Pflanzenkrankheiten gebaut und bereitgestellt, mit Bildaufnahme, Vorverarbeitung, Klassifizierung und strukturierten Vorhersagen, integriert in das Backend der Anwendung und die Cloud-Infrastruktur.
Python-Entwickler
AgriDunya Technologies
- Python-Backend-Services mit Flask und FastAPI gebaut und RESTful Endpunkte für Webanwendungen und Datenverarbeitungs-Workflows bereitgestellt.
- Wiederverwendbare, objektorientierte Datenverarbeitungskomponenten implementiert und Backend-Services mit der Cloud-Infrastruktur verbunden, um den Datenfluss der Anwendung und eine wartbare Auslieferung zu unterstützen.
Dozent für Softwareprogrammierung
IBA Community College Naushahro Feroze (Sukkur IBA University)
- Strukturierte Python- und C++-Kurse durch praxisnahe Softwareprojekte durchgeführt und Programmierkonzepte mit Umsetzung und Code-Analyse verbunden.
- Projektcode zusammen mit dem Lehrteam entwickelt und geprüft, die Ausführungslogik debuggt und technische Entscheidungen abgestimmt.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Bildung, Telekommunikation und Landwirtschaft.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Forschung und Entwicklung (F&E), Produktentwicklung und Qualitätssicherung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Noor ist in Aveiro, Portugal ansässig.
Noor spricht folgende Sprachen: Urdu (Muttersprache), Chinesisch (Fortgeschritten), Englisch (Grundkenntnisse), Italienisch (Grundkenntnisse), Portugiesisch (Grundkenntnisse).
Noor hat mindestens 8 Jahre Erfahrung. In dieser Zeit hat Noor in mindestens 10 verschiedenen Rollen und für 9 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 10 Monate. Beachten Sie, dass Noor möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Noor gut geeignet für Rollen wie: LLM-Benchmark-Reviewer, PyTorch-Experte - KI-Bewertung, Machine-Learning-Ingenieur - KI-Benchmarking.
Die neueste Position von Noor ist LLM-Benchmark-Reviewer bei Pasiflora AI.
In den letzten Jahren hat Noor für Pasiflora AI, AfterQuery, Mercor, Micro.1 und Turing.com gearbeitet.
Noor hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Bildung und Telekommunikation. Noor hat auch etwas Erfahrung in Landwirtschaft.
Noor hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Produktentwicklung. Noor hat auch etwas Erfahrung in Qualitätssicherung.
Noor hat kürzlich in Industrien wie Informationstechnologie (IT), Telekommunikation und Bildung gearbeitet.
Noor hat kürzlich in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Produktentwicklung gearbeitet.
Noor hat einen Master in Software Engineering von Tianjin University und einen Bachelor in Informatik von Sukkur IBA University.
Noor hat 14 Zertifikate. Darunter sind: AI Agent Developer Specialization, AI Agents and Agentic AI in Python: Powered by Generative AI und AI Agents: From Prompts to Multi-Agent Systems.
Noor ist sofort vollzeit verfügbar für passende Projekte.
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 20 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Majid K.
Letzte Position:
Senior AI / LLM Evaluation Engineer bei OPENCAST
- Entwerfe und pflege Evaluierungs-Frameworks für große Sprachmodelle in den Bereichen Reasoning, Coding, Instruction Following, Factuality, Tool Use, Agent Behaviour und Safety.
- Entwickle strukturierte Datensätze und Evaluierungsaufgaben für Supervised Fine-Tuning (SFT), RLHF, Preference Optimization, Post-Training-Evaluation und Model Benchmarking.
- Erstelle Prompts, Referenzlösungen, Bewertungskriterien, Metadaten-Schemas, Evaluierungs-Rubriken und Reviewer-Guidelines für Model-Training-Datensätze.
- Prüfe und ranke konkurrierende Modellantworten nach Korrektheit, Vollständigkeit, Reasoning-Qualität, Relevanz, Einhaltung von Anweisungen, Code-Qualität und Sicherheit.
- Baue Python-Evaluierungspipelines, die Testfälle ausführen, Grader-Ergebnisse bündeln, Fehlerarten kategorisieren und die Modellleistung über Releases hinweg vergleichen.
- Entwickle deterministische und modellgestützte Grader, mit regelbasierter Validierung dort, wo objektive Checks möglich sind, und rubrikbasierter Bewertung für offene Aufgaben.
- Entwerfe Coding-Agent-Tasks auf Repository-Ebene, die Debugging, Feature-Implementierung, API-Integration, Refactoring, Dependency-Änderungen und Test-Reparatur abdecken.
- Baue isolierte Docker-Ausführungsumgebungen, in denen Agents Repositories ändern, Terminal-Befehle ausführen, Tests starten und sicher mit Development-Tools arbeiten können.
- Implementiere Hidden Tests, Integrationstests, Dateisystem-Validierung, Timeout-Kontrollen und Prüfungen auf Änderungen, um Reward Hacking, Test-Tampering, Hardcoded Outputs und falsche Erfolgsmeldungen zu erkennen.
- Untersuche wiederkehrende Modellfehler wie Halluzinationen, falsche Tool-Nutzung, ungültige Annahmen, unvollständige Ausführung, instabiles Reasoning und Verstöße gegen Anweisungen; überführe die Erkenntnisse in neue Benchmark- und Trainingsbeispiele.
- Trage zu Pairwise Preference Ranking und Evaluator-Kalibrierung bei, analysiere Reviewer-Uneinigkeit und verfeinere Annotation-Guidelines, um die Konsistenz zu verbessern.
- Erstelle Model-Quality-Reports zu Pass-Raten, Regressionen, Grader-Uneinigkeit, Fehlerkategorien und Leistung über verschiedene Evaluierungsdimensionen hinweg.
Muntaha S.
Letzte Position:
KI-Ingenieur (Freiberuflich) bei Upwork
- Erfolgreiche Umsetzung von mehr als 40 KI-Projekten und 23 strategischen Beratungen für internationale Kunden (USA, Europa, Nahost) mit einer Erfolgsquote von 98% und dem Aufbau langfristiger Partnerschaften.
- Entwicklung und Bereitstellung produktionsreifer KI-Lösungen in den Bereichen Computer Vision, NLP, Deep Learning und Generative AI (LLMs, RAG-Pipelines, Stable Diffusion, OCR, Chatbots), wodurch Automatisierung ermöglicht und die Effizienz der Kunden um bis zu 70% gesteigert wurde.
- Entwicklung und Feinabstimmung großer Sprachmodelle (LLMs), einschließlich Prompt Engineering und Integration in Wissensdatenbanken von Unternehmen, was zu besseren Entscheidungen und weniger manuellem Aufwand führte.
- Entwicklung von Echtzeit-Anwendungen für Computer Vision (Erkennung, Segmentierung, OCR) und Integration in Geschäftssysteme, wodurch Genauigkeit und Skalierbarkeit deutlich verbessert wurden.
- Beratung von Start-ups und Unternehmen zu KI-Strategie, Architektur und Bereitstellung (Cloud und On-Premise), wodurch die Produktentwicklung beschleunigt und die Markteinführungszeit verkürzt wurde.
- Steuerung vollständiger KI-Projektlebenszyklen (Anforderungserfassung, Lösungsdesign, Bereitstellung, Support) in agilen, internationalen und funktionsübergreifenden Umgebungen mit Fokus auf qualitativ hochwertige Ergebnisse.
Hasan R.
Letzte Position:
KI-Ingenieur bei ETAS GmbH (Robert Bosch GmbH)
- Automatisierung der Softwareentwicklung mit generativer KI (Masterarbeit): Entwicklung eines Gen-KI-Prototyps mit agentenbasierten Workflows, LLMs und RAG, wodurch jährliche Einsparungen von €100,000 durch eine Verkürzung der Entwicklungszyklen um 60–80% erzielt wurden. Zusammenarbeit mit funktionsübergreifenden Teams zur Automatisierung des Softwarelebenszyklus, wodurch die betriebliche Effizienz um über 60% gesteigert wurde.
- Entwicklung eines AUTOSAR-basierten KI-Chatbots: Implementierung eines KI-basierten Chatbots mit NLP, Vektordatenbanken und einer RAG-Pipeline, wodurch die Effizienz beim Abruf von Dokumentationen über REST APIs um 80% verbessert wurde. Präsentation der Ergebnisse vor dem Senior Management, um die strategische Einführung und Unterstützung durch die Führungsebene zu sichern.
- Automatisierung von Stub-Prozessen mit generativer KI: Entwicklung einer generativen KI-Lösung zur Automatisierung von Build-System-Prozessen, wodurch manuelle Bereitstellungsaufgaben um 60% reduziert und Git-Workflows nahtlos integriert wurden.
- Co-Simulation und Bewertung des RTE-Standards mit Gen-KI: Beschleunigung der Konformitätsbewertung für den RTE-Standard um 45% durch den Einsatz generativer KI-Tools und Python zur Bewertung.
Kamal R.
Letzte Position:
Konzeption und Entwicklung eines Anforderungsprüfwerkzeugs basierend auf dem INVEST-Framework und künstlicher Intelligenz bei Ranasoft Internet Technologies
- Konzeption der Anforderungsprüfung nach INVEST-Prinzip
- Implementierung des Vorhersagemodells mit sklearn und BERT
- Anpassung des T5-Modells zur Generierung verbesserter User Stories gemäß INVEST-Framework
- Implementierung des Web-Clients mit ReactJS und Kommunikation mit dem Backend über FastAPI
- NLP- und Scikit-Learn-Zertifizierung
Fahad R.
Letzte Position:
Data Science – Operationsoptimierung bei Netto-marken
Projekt: Digitalisierung von Lagerprozessen | Aufbau einer Data-Analytics-Plattform.
- Entwickelte ein webbasiertes System zur Einsatzplanung, das die tägliche Schichtplanung digitalisierte, indem es Mitarbeitenden-Know-how passenden Lagerbereichen zuordnete. Dadurch wurde die manuelle Abstimmung durch einen strukturierten Workflow ersetzt, der im ganzen Standort genutzt wurde und den Führungskräften Zeit bei der täglichen Planung sparte.
- Entwickelte ein Dashboard für die operative Echtzeitübersicht, das Führungskräften den aktuellen Durchsatz der Aufgaben und die offene Arbeitslast in den Lagerbereichen über den Tag hinweg live anzeigte und so half, Überstunden und Leerlaufkosten zu senken.
- Entwickelte eine Optimierungslösung für das Slotting, um die Effizienz beim Kommissionieren zu verbessern und die Kommissionierzeit pro Bestellung zu senken, in enger Zusammenarbeit mit den Operations-Teams vom Konzept bis zum produktiven Einsatz.
Verwendete Technologien: Python, Django, PostgreSQL, Pandas, NumPy, HTML, Java, JavaScript, Docker, Kubernetes, AWS, Power BI, GitHub Actions CI/CD, GitOps, Claude, OpenAI
Eduard V.
Letzte Position:
Leiter Workshop „Einführung von KI Entwicklungstools“ bei Softwareunternehmen in Wiesbaden
- Vortrag zur Einführung in generische K.I. und Large Language Models
- Erläuterung rechtlicher Rahmenbedingungen (EU AI Act, US CLOUD Act, DSGVO)
- Systematische Betrachtung von KI-Tools entlang des SDLC und Holistische Systeme
- Vergleich On-Prem LLMs vs. cloudbasiert sowie Change-Management und Betriebsrat
- Moderation der Diskussion und Ableitung nächster Schritte für die Einführung von KI Entwicklungstools
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als LLM-Benchmark-Reviewer
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Aveiro, Portugal arbeiten

