Erfahrungen
Graph-basierter RAG-Agent für sichere Datenintelligenz (EcoGraph-RAG)
Philipps University Marburg
- Entwicklung eines GraphRAG-Systems, das semantische Vektoren (Chroma) und Wissensgraphen (NetworkX/Neo4j) für mehrstufige Fragen und Antworten zu Dokumenten zur Klimapolitik kombiniert.
- Bereitstellung von Llama 3/Gemma über Ollama für lokale Inferenz ohne Kosten; eine Genauigkeit von ~95% bei der Extraktion von Entitäten und Beziehungen erreicht.
- Aufbau einer Datenpipeline für PDFs und CSV-Dateien mit 48k Zeilen; gruppierte Median-Imputation angewendet und die Datensparsität behoben.
Twitter-Sentiment-Extraktion mit BERT + Erklärbarkeit
- BERT-base mit über 50k Tweets für die Mehrklassen-Sentimentanalyse feinabgestimmt (85% F1); über Hugging Face Transformers bereitgestellt.
- LIME/SHAP integriert, um verständliche Merkmalszuordnungen zu erstellen; in Streamlit für die Prüfung durch Stakeholder visualisiert.
EV Insights ML API mit Docker
- Eine produktionsreife Flask-API in Docker bereitgestellt; die Reichweite von Elektrofahrzeugen mit Random Forest vorhergesagt.
- ETL-Pipeline aufgebaut; Echtzeit-Erkenntnisse für das Dashboard bereitgestellt.
Wissenschaftliche Hilfskraft
Dayananda Sagar University
- Vergleichende Analyse von Algorithmen (SVM, Logistic Regression, Random Forest) zur Optimierung der Diagnose koordiniert; bei der Modellevaluierung mit SVM-Modellen auf Referenzdatensätzen 96.73% erreicht.
- Vgg16 Transfer Learning zur Merkmalsextraktion angewendet und die Leistung des Deep-Learning-Modells mit begrenzten medizinischen Bilddaten optimiert, um gutartige von bösartigen Tumoren zu unterscheiden.
- Bei der Zusammenfassung der Forschungsergebnisse unterstützt und an der Erstellung des Manuskripts mit LaTeX und Microsoft Office mitgewirkt; dadurch die Veröffentlichung für ICRTC-2023 unterstützt.
- In einem 6-monatigen Projekt Datenpipelines mit Python und TensorFlow entwickelt, um die Vorverarbeitung und Augmentierung von mehr als 10,000 medizinischen Bilddatensätzen zu automatisieren, den manuellen Datenaufwand um 70% zu senken und nachfolgende Modelltrainingszyklen zu beschleunigen.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Bildung, Informationstechnologie (IT), Automotive und Gesundheitswesen.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Business Intelligence.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Sagar ist in Marburg, Deutschland ansässig.
Sagar spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse).
Sagar hat mindestens 3 Jahre Erfahrung. In dieser Zeit hat Sagar in mindestens 4 verschiedenen Rollen und für 2 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 9 Monate. Beachten Sie, dass Sagar möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Sagar gut geeignet für Rollen wie: Graph-basierter RAG-Agent für sichere Datenintelligenz (EcoGraph-RAG), Twitter-Sentiment-Extraktion mit BERT + Erklärbarkeit, EV Insights ML API mit Docker.
Die neueste Position von Sagar ist Graph-basierter RAG-Agent für sichere Datenintelligenz (EcoGraph-RAG) bei Philipps University Marburg.
In den letzten Jahren hat Sagar für Philipps University Marburg und Dayananda Sagar University gearbeitet.
Sagar hat die meiste Erfahrung in Industrien wie Bildung, Informationstechnologie (IT) und Automotive. Sagar hat auch etwas Erfahrung in Gesundheitswesen.
Sagar hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Business Intelligence.
Sagar hat einen Master in Informatik von Philipps University Marburg und einen Bachelor in Informatik von Dayananda Sagar University.
Sagar hat 1 Zertifikat: British Airways- Data Science Job Simulation.
Die Verfügbarkeit von Sagar 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 18 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
Mathew D.
Letzte Position:
Experte für Data Science und KI-Stratege bei Freelancer
- Entwicklung einer API zur Aufnahme, Bereinigung, Übersetzung und Indexierung von EU-Ausschreibungsdokumenten in Neo4j, die eine hybride Suche mit RAG- und Cypher-Abfragen über ein Streamlit-Dashboard ermöglicht
- Bereitstellung der API auf AWS Lightsail Container Services mit CI/CD-Automatisierung über GitHub Actions und Sicherstellung der Stabilität durch pytest-Unit- und Integrationstests
- Konzeption und Entwicklung eines umfassenden Online-Kurses zur Datenanalyse mit ChatGPT für Fachkräfte und Lernende, einschließlich Lehrvideos und interaktiver Jupyter-Notebooks
- Einsatz von OBS und professioneller Audioausrüstung zur Sicherstellung hochwertiger Video- und Audioinhalte
- Leitung eines Projekts zur Normalisierung und Bereinigung von CRM-Daten, visualisiert durch ein Sankey-Diagramm zur Unterstützung des Kundenverständnisses und der Pipeline-Entwicklung
- Umsetzung und Validierung einer von genAI unterstützten Web-Crawling-Strategie auf AWS zur Sicherstellung von Datenqualität und Skalierbarkeit sowie zur Anreicherung von CRM-Daten
Philipp B.
Letzte Position:
Dozent bei Spark Rockstars Academy
- Entwickler individuell im Live-Coaching unterstützen, um Pro-Level Apache-Spark-Engineers auszubilden
- Mehrtägige, zugeschnittene Apache-Spark-Workshops für Entwicklungsteams organisieren und durchführen
- Technische Lerninhalte auf einem selbstgehosteten Blog, YouTube und in sozialen Medien erstellen
Louis G.
Letzte Position:
Freiberuflicher Solutions Architect und Machine Learning Engineer bei Self-employed
- Entwickle und präsentiere Lösungen mit GenAI-Software wie langchain, vercel ai sdk, copilotkit
- Arbeite mit Kunden zusammen, um ihre Herausforderungen zu verstehen und die besten Lösungen auf Basis von Open-Source-Datenprodukten zu liefern
- Baue RAG- und GraphRAG-Lösungen mit Neo4j, lancedb und Postgres
- Setze eine LLMOps-Plattform mit kubernetes, terraform, helmfile, Arize phoenix, mlflow auf
- Entwerfe und baue Datenpipelines mit dbt, Trino, Spark, Iceberg, Airflow, ArgoCD, terraform, kubernetes
- Lieferte eine nutzerzentrierte technische Strategie für Agriculture 4.0 und Precision Livestock Farming und half meinem Kunden, Fördermittel von Bpifrance zu sichern
- Entwickelte ein Prospecting-Tool für einen führenden französischen Solar-Carport-Installateur mit Geospatial Computing (GIS), wodurch der Vertriebsprozess schneller wurde
- Baute eine Digital-Twin-Architektur für Solar-Carports und EV-Ladestationen, die Echtzeit-Monitoring und intelligentes Laden möglich machte
Chaima D.
Letzte Position:
Praktikant Data Scientist bei Marelli Automotive Lighting
- Entwicklung und Bereitstellung eines Deep-Learning-Modells zur automatisierten Erkennung von Schlüsselpunkten in Lichtverteilungen von Scheinwerfern.
- Vorbereitung und Verarbeitung von Datensätzen sowie Auswahl von VGG16 nach dem Benchmarking von CNN-Architekturen im Hinblick auf das beste Verhältnis zwischen Genauigkeit und Effizienz.
- Bereitstellung einer Flask-REST-API, containerisiert mit Docker, und Integration der Lösung in ein bestehendes internes System zur automatisierten und effizienten Bewertung von Scheinwerferdesigns.
Stephan B.
Letzte Position:
Freiberuflicher Data Scientist bei Baier Data & AI Consulting
Jens D.
Letzte Position:
Product Owner und Leitender Data Scientist bei Legal Tech
- Leitung eines internationalen sechsköpfigen Entwickler-Teams im Scrum-Umfeld
- Festlegung der strategischen Ziele für das Projekt in Abstimmung mit den Stakeholdern und dem Entwicklungsteam
- Prompt Engineering für Sprachmodelle zur Verbesserung der Genauigkeit und Relevanz der generierten Antworten
- Implementierung von LangChain Komponenten eines RAG Chatbots zur Beantwortung rechtlicher Fragen
- Technologien: GPT-4, LangChain, Python (Pandas, sklearn, streamlit), Docker, GitLab, ChromaDB
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Graph-basierter RAG-Agent für sichere Datenintelligenz (EcoGraph-RAG)
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Marburg, Deutschland arbeiten
