Pawan S.-Akademisches Projekt
Tagessatz prüfen
Erfahrungen
CAPTCHA Recognition using CRNN
- Ein CRNN-Modell mit VGG16- und BiLSTM-Backbone zur Erkennung textbasierter CAPTCHAs entwickelt
- Eine Zeichenfehlerrate von 9.37% und eine Sequenzgenauigkeit von 68.36% auf Validierungsdaten erreicht
- Die Datenaugmentierungspipeline um Verzerrungen, Rausch-Injektion und Störelemente erweitert, um die Robustheit zu verbessern
- Eine detaillierte Fehleranalyse zu verwechselbaren Zeichen (O, Q, D) durchgeführt und eine fehlerbezogene Augmentierung vorgeschlagen
- Tech Stack: Python, TensorFlow/Keras, OpenCV, NumPy, Matplotlib
LoRA Style Fine-Tuning with Stable Diffusion
- LoRA-Fine-Tuning mit Stable Diffusion 1.5 implementiert, um von Studio Ghibli inspirierte Bilder zu erzeugen
- Hyperparameter (Lernrate, Epochen, LoRA-Rang/Alpha) für stabile Konvergenz und effektive Stilübertragung optimiert
- Ein Bewertungsframework mit Negative Prompting und systematischen Seed-Tests entwickelt, um Konsistenz sicherzustellen
- Trainings-Checkpoints und Prompt Engineering für reproduzierbare, hochwertige Ergebnisse verwaltet
- Tech Stack: Python, PyTorch, Hugging Face Diffusers, Stable Diffusion 1.5
Translation Bias Analysis with LLMs
- Alters- und Geschlechterverzerrungen bei der Deutsch–Englisch-Übersetzung in maschinellen Übersetzungstools und LLMs (GPT-4, DeepSeek) untersucht
- Logistic Regression-, SVM- und mehrsprachige BERT-Klassifikatoren zur demografischen Vorhersage implementiert
- Baseline-, Preserved- und Adaptive-Prompting-Strategien zur Reduzierung von Verzerrungen entwickelt und getestet
- Trainings- und Inferenzcode für LR und SVM, Visualisierungen von Geschlechts-/Altersverzerrungen sowie die Berichtsmethodik entwickelt
- Tech Stack: Python, scikit-learn, Hugging Face Transformers, Logistic Regression, SVM, BERT
Akademisches Projekt
Stock Market Prediction System
- Eine ML-Pipeline entwickelt, die Yahoo Finance-Daten mit einer Echtzeit-Sentimentanalyse von Nachrichten kombiniert
- Feature Engineering mit technischen Indikatoren und FinBERT-Sentimentwerten implementiert
- Mit einem optimierten Ensemble aus Naive Bayes, Logistic Regression und SVM eine ROC AUC von 0.94 erreicht
- Tech Stack: Python, scikit-learn, pandas, NumPy, matplotlib, seaborn
Senior Data Analyst
Tiger Analytics
- Kundensegmentierungsmodelle für Einzelhandelskunden entwickelt und implementiert, wodurch die Zielkundenbasis um 70% reduziert und gleichzeitig 95% der Umsätze abgedeckt wurden
- Legacy-SAS-Workflows zu MySQL migriert, die Verarbeitungsgeschwindigkeit um 40% verbessert und die Betriebskosten für einen Versicherungskunden gesenkt
- Modelle zur Vorhersage von Versicherungsverkäufen mit H2O AutoML entwickelt und eine Genauigkeit von über 90% erreicht
- Skalierbare PySpark-Pipelines auf Databricks zur Verarbeitung von über 50 Millionen Datensätzen entwickelt und die Verarbeitungszeit von 8 Stunden auf 45 Minuten reduziert
- Eine umfassende Analyse der Patientenreise für einen Fortune 500-Gesundheitskunden durchgeführt und automatisierte Power BI-Dashboards zur Überwachung von mehr als 15 KPIs erstellt
- Echtzeit-Datenpipelines mit Snowflake und Dataiku implementiert
- Interaktive Dashboards für mehr als 200 Stakeholder erstellt
- Tools zur Analyse von Medikamentenwechseln für die pharmazeutische Forschung entwickelt
Technischer Content Engineer
GeeksforGeeks
- Mehr als 110 technische Artikel zu aktuellen Themen der künstlichen Intelligenz verfasst und redigiert
- Produktionsreife Codebeispiele für komplexe Algorithmen wie BERT, GPT, YOLO und ResNet entwickelt
- Lerninhalte zu Computer Vision, natürlicher Sprachverarbeitung und den Grundlagen des Deep Learning erstellt
Human Activity Recognition for Patient Monitoring
- Ein Echtzeit-System zur Aktionserkennung für die Überwachung der Patientensicherheit im Krankenhaus entwickelt
- OpenPose zur Posenschätzung und DeepSORT zur Verfolgung mehrerer Objekte implementiert
- Eine Genauigkeit von 95% bei der Sturzerkennung mit einer Latenz von unter 200 ms erreicht
- Technologie-Stack: Python, OpenCV, TensorFlow, Keras
Intelligent Attendance System with Face Recognition
- Ein bildweises Gesichtserkennungssystem entwickelt, das eine Genauigkeit von etwa 97% erreicht
- Die Lösung für Überwachungsanwendungen mit UAVs erweitert
- Veröffentlichung: "UAV Surveillance for Violence Detection and Individual Identification"
- Technologie-Stack: Python, OpenCV, TensorFlow, Keras, Computer-Vision-Bibliotheken
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Gesundheitswesen, Versicherung, Pharmazeutika, Einzelhandel, Informationstechnologie (IT) und Bildung.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Forschung und Entwicklung (F&E), Informationstechnologie (IT), Business Intelligence, Marketing und Produktentwicklung.
Zusammenfassung
Ergebnisorientierter Ingenieur für künstliche Intelligenz und maschinelles Lernen mit mehr als 3 Jahren Berufserfahrung in maschinellem Lernen, Deep Learning und fortgeschrittener Analytik. Derzeit im MSc-Studium Artificial Intelligence & Robotics an der University of Technology Nuremberg. Nachweisliche Erfolge bei der Entwicklung skalierbarer ML-Lösungen für Fortune 500-Kunden mit Expertise in durchgängigen Data-Science-Pipelines, Kundensegmentierung und prädiktiver Modellierung.
Fähigkeiten
Programmiersprachen
- Python (Expert)
- Sql (Advanced)
- R (Intermediate)
Maschinelles Lernen & Ki
- Klassisches Ml: Scikit-Learn, Xgboost, Lightgbm
- Deep Learning: Tensorflow, Pytorch, Keras, Hugging Face
- Computer Vision: Opencv, Yolo, Resnet, R-Cnn
- Nlp/Llms: Bert, Gpt, Transformers, Finbert
Data Engineering & Analytik
- Big Data: Pyspark, Databricks, Apache Spark
- Data Warehousing: Snowflake, Mysql, Postgresql
- Visualisierung: Power Bi, Matplotlib, Seaborn, Plotly
- Mlops: Aws, H2o Automl, Dataiku, Airflow
- Sonstiges: Ms-Excel, Ms-Powerpoint
Cloud & Devops
- Azure
- Aws (Certified)
- Docker
- Git
- Linux
- Windows
Sprachen
Ausbildung
University of Technology (UTN)
Master of Science, Künstliche Intelligenz & Robotik · Künstliche Intelligenz & Robotik · Nürnberg, Deutschland
Bennett University
Bachelor of Technology, Informatik & Ingenieurwesen · Informatik & Ingenieurwesen · Greater Noida, Indien · 9.28/10 (Equivalent to German Grade: 1.3 - Sehr Gut)
Zertifikate & Bescheinigungen
Large Language Models: Foundation Models from the Ground Up
Large Language Models: Application through Production - Databricks
Google Data Analytics Specialization
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Pawan ist in Nürnberg, Deutschland ansässig.
Pawan spricht folgende Sprachen: Englisch (Muttersprache), Deutsch (Grundkenntnisse).
Pawan hat mindestens 6 Jahre Erfahrung. In dieser Zeit hat Pawan in mindestens 3 verschiedenen Rollen und für 8 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 9 Monate. Beachten Sie, dass Pawan möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Pawan gut geeignet für Rollen wie: Akademisches Projekt, Senior Data Analyst, Technischer Content Engineer.
In den letzten Jahren hat Pawan für CAPTCHA Recognition using CRNN, LoRA Style Fine-Tuning with Stable Diffusion, Translation Bias Analysis with LLMs, Stock Market Prediction System und Tiger Analytics gearbeitet.
Pawan hat die meiste Erfahrung in Industrien wie Gesundheitswesen, Versicherung und Pharmazeutika. Pawan hat auch etwas Erfahrung in Einzelhandel, Informationstechnologie (IT) und Bildung.
Pawan hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung (F&E), Informationstechnologie (IT) und Business Intelligence. Pawan hat auch etwas Erfahrung in Marketing und Produktentwicklung.
Pawan hat kürzlich in Industrien wie Gesundheitswesen, Versicherung und Pharmazeutika gearbeitet.
Pawan hat kürzlich in Bereichen wie Forschung und Entwicklung (F&E), Informationstechnologie (IT) und Business Intelligence gearbeitet.
Pawan hat einen Master in Künstliche Intelligenz & Robotik von University of Technology (UTN) und einen Bachelor in Informatik & Ingenieurwesen von Bennett University.
Pawan hat 4 Zertifikate. Darunter sind: Large Language Models: Foundation Models from the Ground Up, Large Language Models: Application through Production - Databricks und AWS Certified Cloud Practitioner.
Die Verfügbarkeit von Pawan 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 17 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
Himanshu N.
Christian S.
Mathew D.
Martin M.
Louis G.
Stephan S.
Arun sai T.
Ursula M.
Stephan B.
Martin R.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als
Sanket T.
Muntaha S.
Ivaylo S.
Zahra K.
Kai W.
Anton K.
Ashwin P.
Abdul P.
Tobias J.
Mahabub A.
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Nürnberg, Deutschland arbeiten
Maciej S.
Rolf W.
Chunyu F.
Oleg O.
Ingo W.
Eric F.
Jörg K.
Lilian F.
Stefan R.
Agelis W.
