Prajwal Amoghavarsh-KI-Ingenieur

Kunde: Food-Delivery-Startup

• Machine-Learning-Demand-Forecasting-Modelle entwickelt, die den Forecast-Fehler (MAPE) um 7 % reduziert und die Fahrerzuweisung sowie die Kapazitätsplanung verbessert haben.
• Ein LSTM-basiertes Textklassifikationsmodell entwickelt und über Flask-REST-APIs bereitgestellt, das die Genauigkeit der Klassifizierung von Kundenfeedback um 13 % gegenüber den Baseline-Modellen verbessert und die Weiterleitung von Problemen automatisiert hat.

Kunde: SAHU & ASSOCIATES, Chartered Accountants

• Eine Document-AI-Pipeline mit BERT-basierten Named-Entity-Recognition-(NER)-Modellen entwickelt, um strukturierte JSON-Daten aus Versicherungsansprüchen und Rechnungen zu extrahieren.
• Ein internes ML-Tool entwickelt, um anormale Finanzmuster über kleine Industrieunternehmen hinweg zu erkennen und so Wirtschaftsprüfern zu helfen, Prüfungen zu priorisieren und risikoreiche Unternehmen zu untersuchen.

Beiträge über mehrere Projekte hinweg

• Produktive ML-Inferenz-Services mit Docker und Kubernetes bereitgestellt und betrieben, integriert mit automatisierten Retraining-Workflows, die über Airflow gesteuert wurden.
• Experiment-Tracking mit MLflow implementiert, um Trainingsmetriken und Parameter zu protokollieren, die Modellleistung zu vergleichen und die Modellauswahl sowie reproduzierbare ML-Entwicklung zu unterstützen.
• Leichte Model-Serving-APIs mit Flask und Gunicorn (WSGI) entworfen, die die Inferenzlatenz auf unter 100 ms gesenkt und die ML-Inferenz von der Hauptanwendung getrennt haben, um unabhängige Bereitstellung und Skalierung zu ermöglichen.
• Produktive ML-Inferenz-Services überwacht, indem Datenqualität validiert sowie Schema- und Performance-Drift erkannt wurden.