Sabari Vadivelan S.-KI-Ingenieur | LLM-Evaluierung & RAG-Systeme | Agentische KI
Tagessatz prüfen
Erfahrungen
Freiberuflicher KI/ML-Mitarbeiter
Handshake AI
- Benchmark-Design & adversariales Testen: Entwicklung und Erstellung von Benchmark-Aufgaben zur Bewertung der terminalbasierten Programmier- und Reasoning-Fähigkeiten von hochmodernen KI-Agenten für eine KI-Evaluierungsplattform. Die Aufgaben sind so entwickelt, dass sie einen mehrstufigen adversarialen Prüfprozess bestehen, während jede Bewertungsregel vollständig offengelegt bleibt.
- Technisches Reasoning: Mitarbeit an Aufgaben aus einer großen Bandbreite technischer Bereiche, die jeweils tiefgehendes technisches Reasoning statt bloßer Mustererkennung erfordern.
- KI-Evaluierung: Tätigkeit als KI-Evaluator zur Bewertung KI-generierter Ausgaben anhand aufgabenspezifischer Kriterien – Korrektheit, Relevanz, Befolgung von Anweisungen, technische Genauigkeit und Qualität des Reasonings – in den Bereichen Programmierung, technisches Reasoning und Multi-Turn-Aufgaben.
Praktikant für KI-Softwareentwicklung
Virtusa Corporation
- Microservices-Architektur: Entwicklung der KI-gestützten Prüfungs- und Aufsichtsplattform "Observe" mit 8 Services: React/Vite-Webclient, PyQt6-Windows-Desktop-App für die Prüfungsaufsicht, FastAPI-Backend, isolierte Docker-Sandbox zur Codeausführung, auf LangGraph basierende adaptive Multi-Agenten-Fragen-Engine sowie eine Pipeline zur Berichtserstellung und -darstellung.
- LLM-Integration in Produktionsumgebungen: Entwicklung robuster FastAPI-Services zur Verbindung von Anwendungs-Workflows mit Groq- und Gemini-Foundation-Modellen, optimiert für eine zuverlässige LLM-Integration mit geringer Latenz.
- Sicherheit & Telemetrie: Implementierung eines sicheren Windows-Clients für die Prüfungsaufsicht mit Laufzeitschutz (Anti-Tamper-Prüfungen) und HMAC-signiertem Telemetrie-Upload; Durchsetzung eines serviceübergreifenden Sicherheitsmodells (JWT für das Web, HMAC für Desktop-Operationen mit hohem Vertrauensniveau).
- Beobachtbarkeit: Implementierung von OpenTelemetry-Tracing zur Überwachung von Entscheidungswegen der Agenten, API-Latenz, Modellnutzung und Zuverlässigkeit von Fallbacks in der gesamten Prüfungsinfrastruktur.
CyberSLM - Cybersecurity Language Model
- End-to-End-LLM-Pipeline: Entwicklung einer vollständigen Pipeline für ein decoder-only LLM mit 33.5M Parametern, spezialisiert auf Cybersicherheit: benutzerdefinierter BPE-Tokenizer, Vorbereitung großer Korpora, Pretraining, Instruction Tuning und Workflows zur Benchmark-Evaluierung.
- Modelloptimierung: Diagnose und Behebung von 19 Pipeline-Fehlern, Senkung der Perplexity um 23 % und des Validierungsverlusts von 2.63 auf 2.36; Veröffentlichung der Gewichte auf Hugging Face mit vollständiger Vorher-/Nachher-Methodik.
linkedin-mcp-bridge
- Agentische Browser-Automatisierung: Entwicklung und Veröffentlichung eines MCP-Servers (npm), der KI-Assistenten 102 Tools in 15 Kategorien zur Bedienung von LinkedIn über eine authentifizierte Browsersitzung bereitstellt – Profilverwaltung, Beiträge, Nachrichten, Jobsuche, Kontaktaufnahme mit Recruitern und mehr.
- Robuste Architektur: Entwicklung einer robusten Dual-Transport-Architektur (Voyager API für Lesevorgänge, Playwright für Schreibvorgänge) mit Selector-Fallback-Ketten und selbstheilenden Selektoren, die MCP-Modellsampling nutzen, um fehlerhafte Selektoren aus der Live-DOM-Struktur neu zu generieren.
ALEC - Autonomous Legal Entity for Contracts
- Risikobewertung: Entwicklung eines domänenspezifischen RAG- und agentischen Systems zur Vertragsanalyse, automatisierten Klauselextraktion und Risikobewertung, wobei SHAP-basiertes Explainable AI sicherstellt, dass generierte Risikowerte transparent und prüfbar sind.
Fortschrittliches multidomäniges RAG-System
- Unternehmenssuche: Entwicklung eines skalierbaren hybriden Suchsystems, das die semantische Suche mit FAISS und die lexikalische Suche mit BM25 für komplexe Fragen und Antworten über Dokumente in mehreren Formaten kombiniert, mit Domänen-Routing, Tabellenerkennung und erklärbaren Ergebnissen (Konfidenzwerte, Entscheidungsverlauf). (HackRx 6.0, Top 35 of 46,000+ participants).
Praktikant für angewandtes maschinelles Lernen
Edunet Foundation | Shell
- Prädiktive Modellierung: Entwicklung vollständiger Workflows für maschinelles Lernen in Python zur prädiktiven Analyse und Risikobewertung unter Verwendung komplexer klinischer Indikatoren.
- Datenpipeline-Entwicklung: Aufbau von Pipelines für Datenimport, Bereinigung, Vorverarbeitung und Merkmalsskalierung mit Pandas, NumPy und Scikit-learn zur Vorbereitung von Datensätzen für die Modellentwicklung.
System zur Erkennung von Menschenmengen und zur Attributextraktion
- Integration von Vision und Sprache: Kombination von Computer-Vision-Modellen (YOLOv11, DeepSORT, CSRNet) zur Echtzeitverfolgung der Menschendichte und Bewegungsüberwachung, integriert mit Llama-basierter Vision-Language-Verarbeitung zur Extraktion strukturierter Metadaten aus visuellen und textbasierten Rohdaten. (CodeIQ Hackathon, Winner).
OpenBookAI
- Benchmarking-System: Entwicklung einer zentralisierten Python-Backend-Architektur zum Vergleich der Ausgaben mehrerer Foundation-Modelle (ChatGPT, Gemini, Copilot) über verschiedene Prompt-Varianten hinweg, mit besonderem Fokus auf Antwortgenauigkeit, Ausgabequalität und Latenz-Benchmarking.
Intelligentes System zur Produktzählung mittels Bildverarbeitung
- Bildverarbeitung in großem Maßstab: Eigenständige Zusammenstellung, Bereinigung und manuelle Annotation eines Datensatzes mit mehr als 70,000 Bildern; Einsatz von Computer-Vision-Workflows zur automatisierten Objektzählung, Markenerkennung und Analyse von Einzelhandelsbeständen als Teamleiter. (Flipkart Grid 6.0, Semi-Finalist).
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Gesundheitswesen und Einzelhandel.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Produktentwicklung, Rechtswesen und Business Intelligence.
Zusammenfassung
KI/ML-Softwareingenieur mit praktischer Erfahrung in LLM-Anwendungen, KI-Evaluierung, agentischen Systemen, Retrieval-Augmented Generation (RAG), Computer Vision und Python-Backend-Entwicklung. Erfahrung im Aufbau von Multi-Agenten-Workflows mit LangGraph, der Integration von Foundation Models, der Bewertung von Modellausgaben, der Entwicklung von FastAPI-Services und der Veröffentlichung von Open-Source-Entwicklerwerkzeugen. Fundierte Kenntnisse in Python, maschinellem Lernen, NLP, Prompt Engineering, Datensatzentwicklung, Modellevaluierung und produktionsorientierten KI-Systemen.
Fähigkeiten
- Programmierung: Python, Typescript, C, C++, Sql.
- Ki / Ml: Maschinelles Lernen, Deep Learning, Nlp, Computer Vision, Llms, Generative Ki, Modellevaluierung.
- Llm-Systeme: Prompt Engineering, Ki-Evaluierung, Rag, Agentische Ki, Langgraph, Langchain, Llm-Apis, Instruction Tuning, Benchmark-Design, Adversarial Testing.
- Daten / Retrieval: Pandas, Numpy, Scikit-Learn, Faiss, Pinecone, Bm25, Semantische Suche, Datensatzentwicklung, Vektorsuche.
- Backend / Infrastruktur: Fastapi, Rest-Apis, Docker, Microservices-Architektur, Git, Postgresql, Mongodb, Supabase.
- Computer Vision: Opencv, Yolo, Yolov8/V11, Deepsort, Csrnet, Roboflow.
- Sicherheit & Tools: Jwt-Authentifizierung, Hmac-Anfragesignierung, Api-Sicherheit, Model Context Protocol (Mcp), Playwright, Zod, Node.Js/Typescript-Tools.
Sprachen
Ausbildung
Manakula Vinayagar Institute of Technology
Bachelor of Technology · Informatik und Ingenieurwesen · Puducherry, Indien · 8.67 CGPA
Zertifikate & Bescheinigungen
AWS Foundations of Prompt Engineering
AWS
Certiport IT Specialist: Python
Certiport
IBM Data Science
IBM
Oracle Certified Associate: AI Foundations
Oracle
Oracle Certified Professional: Generative AI
Oracle
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Sabari Vadivelan ist in Singirikudi, Indien ansässig und bevorzugt 100% Remote-Projekte.
Sabari Vadivelan spricht folgende Sprachen: Tamil (Muttersprache), Englisch (Verhandlungssicher).
Sabari Vadivelan hat mindestens 3 Jahre Erfahrung. In dieser Zeit hat Sabari Vadivelan in mindestens 3 verschiedenen Rollen und für 10 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 3 Monate. Beachten Sie, dass Sabari Vadivelan möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Sabari Vadivelan gut geeignet für Rollen wie: Freiberuflicher KI/ML-Mitarbeiter, Praktikant für KI-Softwareentwicklung, Praktikant für angewandtes maschinelles Lernen.
Die neueste Position von Sabari Vadivelan ist Freiberuflicher KI/ML-Mitarbeiter bei Handshake AI.
In den letzten Jahren hat Sabari Vadivelan für Handshake AI, Virtusa Corporation, CyberSLM - Cybersecurity Language Model, linkedin-mcp-bridge und ALEC - Autonomous Legal Entity for Contracts gearbeitet.
Sabari Vadivelan hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Gesundheitswesen und Einzelhandel.
Sabari Vadivelan hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Rechtswesen. Sabari Vadivelan hat auch etwas Erfahrung in Business Intelligence.
Sabari Vadivelan hat einen Bachelor in Informatik und Ingenieurwesen von Manakula Vinayagar Institute of Technology.
Sabari Vadivelan hat 5 Zertifikate. Darunter sind: AWS Foundations of Prompt Engineering, Certiport IT Specialist: Python und IBM Data Science.
Sabari Vadivelan 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 23 Sep 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Noushiq M.
Marcel S.
Manuel P.
Stefan O.
Mathias W.
Stylianos I.
Aruldass A.
Samuel K.
Mirza K.
Rutger B.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Freiberuflicher KI/ML-Mitarbeiter
Robin L.
Majid K.
Riccardo A.
Antony G.
Michael T.
Lidija V.
Hakan A.
Ilya A.
David P.
Anita B.
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Singirikudi, Indien arbeiten
Dinmukhabet A.
Hikmat S.
Javid K.
Sergey F.
Emin M.
Elena G.
Beka C.
Konstantin F.
Giorgi T.
Revaz T.
