Noor Uddin-KI/ML-Ingenieur
Tagessatz prüfen
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.
Zusammenfassung
KI/ML-Ingenieur mit über 8 Jahren Erfahrung in Softwareentwicklung, Machine Learning und technischer Anleitung. Entwickelt und bewertet Python-basierte ML-Systeme mit PyTorch und TensorFlow/Keras, von der Datenaufbereitung und dem Modelltraining bis zum API-Serving und reproduzierbaren Tests. In letzter Zeit liegt der Fokus auf PyTorch-Benchmark-Design, Post-Training-Daten und Bewertung für LLMs sowie Fehleranalyse für Coding- und Reasoning-Systeme.
Fähigkeiten
- Llms & Nlp-Frameworks: Transformers (Hugging Face), Llamaindex, Openai Api, Supervised Fine-Tuning (Sft), Reinforcement Learning With Human Feedback (Rlhf), Prompt Engineering, Faiss, Rag
- Agentische Ki: Crewai, Langchain Agents, Langgraph, Autogen, Multi-Agenten-Koordination, Toolbasiertes Reasoning, React-Pattern, Speicherverwaltung, Aufgabenzerlegung, Autonome Workflows, Agentenplanung & Kommunikationsstrategien
- Ki/Ml & Mlops: Tensorflow, Pytorch, Scikit-Learn, Keras, Mlflow, Hugging Face, Amazon Sagemaker, Azure Ml, Onnx, Klassifikation, Regression, Clustering, Diffusionsmodelle, Gans, Transfer Learning, Pandas, Numpy, Dask, Smote, Feature Engineering, Model Deployment, End-To-End-Pipelines, Versionierung, Github Copilot, Api-Entwicklung
- Kernsprachen & Backend: Python (Fortgeschritten), Javascript (Es6+), Typescript, Bash, Fastapi, Flask, Django, Restful Apis, Websockets
- Frontend (Ui FüR Ki-Apps): Typescript, React.Js, Tailwind Css, Html5, Css3, Api-Integration, Streamlit, Gradio
- Datenbanken & Storage: Amazon Dynamodb, Neo4j, Mongodb, Postgresql, Mysql, Firebase, Redis, Sqlite, Bigquery Ml
- Cloud-Plattformen: Aws (Ec2, S3, Lambda, Vpc, Redshift, Kinesis, Glue, Sagemaker), Azure (Azure Ml), Google Cloud (Vertex Ai, Automl)
- Devops- & Automatisierungstools: Jenkins, Github Actions, Docker, Ci/Cd-Pipelines, Terraform, Nginx, Kubernetes, Travis Ci, Circle Ci, Tekton, Gitlab, Scm, Gitops, Openshifts, Mlflow, Github Copilot
- Tools & Umgebungen: Pytest, Jupyter, Vs Code, Postman, Git, Conda, Pyenv, Hugging Face Hub, Weights & Biases
Sprachen
Ausbildung
Tianjin University
MS · Software Engineering · China
Sukkur IBA University
BS · Informatik · Sukkur, Pakistan
Zertifikate & Bescheinigungen
AI Agent Developer Specialization
Vanderbilt University
AI Agents and Agentic AI in Python: Powered by Generative AI
Vanderbilt University
AI Agents: From Prompts to Multi-Agent Systems
the University of California
AWS Cloud Support Associate
Amazon Web Services
AWS Machine Learning Specialty Exam Preparation
Whizlabs
Agentic AI and AI Agents for Leaders Specialization
Vanderbilt University
Building Autonomous AI Agents with LangGraph
Packt
Continuous Integration and Continuous Delivery (CI/CD)
IBM
Docker Certified Associate Exam Prep Specialization
LearnKartS
Elevate-Team-Productivity-with-Crew-AI
Vanderbilt University
Fundamentals of AI Agents Using RAG and LangChain
IBM
LLMOps: Building Real-World Applications With Large Language Models
Udacity in collaboration with Comet
MLOps | Machine Learning Operations Specialization
Duke University
Open Source Models with Hugging Face
DeepLearning.AI
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
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 28 Aug 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 Khan
Muntaha Shams
Kamal Rana
Hasan Raza
Ursula Maria Mayer
Eduard Van kleef
Arne Hendricks
Martin Musiol
Anton Klonov
Thomas Hoefkens
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als LLM-Benchmark-Reviewer
Ron Lai yu ten
Frank Lauterhahn
Monica Chiș
Fabiano Smith
Robin Lindgren
Clara Lai shu-lin
Filippo D’arrigo
Sami Dakhli
Riccardo Aita
Monika Weber
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Aveiro, Portugal arbeiten
António Nogueira
Jorge García de la fuente
Mehran Ghasempour-mouziraji
Rui Rocha
Jose Santos
Hans Bergsma
Giuseppe Scire
Rafael Moura
Rafael Lopes
Anastasiia Yanushkevych
