Erfahrungen
Forschungsingenieur für Machine Learning
Fraunhofer EMFT
- Entwickelte End-to-End-Pipelines für prädiktive Modellierung von Sensordaten und verbesserte die Genauigkeit der Schätzung der Restlebensdauer (RUL) um 15%
- Entwickelte einen Active-Learning-Workflow mit Unsicherheits-Sampling, was die manuelle Kennzeichnung um 30% verringerte
- Verwendete MLflow für Experiment-Tracking, Hyperparameter-Protokollierung und Modellversionierung, um reproduzierbare Trainingspipelines zu gewährleisten
- Setzte CI/CD-Tools (Jenkins, GitHub Actions) ein, um Deployment-Prozesse zu automatisieren und die Modell-Release-Zyklen zu verkürzen
Wissenschaftliche Hilfskraft
Fraunhofer EMI/Fraunhofer IEE
- Verbesserte die Genauigkeit der Netzprognose um 12% durch den Einsatz von LSTM und CNN für multivariate Zeitreihendaten
- Kuratierte und vorverarbeitete domänenspezifische Datensätze für das Fine-Tuning von LLMs zur Analyse von Verletzungsrisiken
- Stimmte Open-Source-LLMs (BERT, LLaMA) fein ab und erreichte dabei einen F1-Score von 0,85 in der Verletzungsrisikoklassifizierung
- Entwickelte RAG-Workflows mit LangChain und FAISS, was die Genauigkeit bei Frage-Antwort-Systemen durch kontextbewusste Suche um 15% verbesserte
- Setzte Prompt Engineering ein und bewertete LLM-Ausgaben, um die Prognosekonsistenz zu erhöhen und Fehler zu reduzieren
- Integrierte Hugging Face- und OpenAI-APIs in Unternehmensanwendungen
- Automatisierte CI/CD-Pipelines für reproduzierbares Training, Versionierung und optimiertes Deployment
Studentische Hilfskraft
Ulm University
- Bereinigte, vorverarbeitete und analysierte Zeitreihendaten von Bioimpedanzsensoren mithilfe von Pandas, NumPy und SQL
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Energie und Fertigung.
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 Produktentwicklung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Spoorthy ist in Ulm, Deutschland ansässig.
Spoorthy spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).
Spoorthy hat mindestens 3 Jahre Erfahrung. In dieser Zeit hat Spoorthy in mindestens 3 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 11 Monate. Beachten Sie, dass Spoorthy möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Spoorthy gut geeignet für Rollen wie: Forschungsingenieur für Machine Learning, Wissenschaftliche Hilfskraft, Studentische Hilfskraft.
Die neueste Position von Spoorthy ist Forschungsingenieur für Machine Learning bei Fraunhofer EMFT.
In den letzten Jahren hat Spoorthy für Fraunhofer EMFT, Fraunhofer EMI/Fraunhofer IEE und Ulm University gearbeitet.
Spoorthy hat die meiste Erfahrung in Industrien wie Energie, Fertigung und Bildung. Spoorthy hat auch etwas Erfahrung in Gesundheitswesen.
Spoorthy hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung (F&E), Informationstechnologie (IT) und Produktentwicklung.
Spoorthy hat einen Master in Kommunikations- und Informationstechnik von Universität Ulm und einen Bachelor in Elektronik und Kommunikationstechnik von Nationales Institut für Ingenieurwesen.
Die Verfügbarkeit von Spoorthy 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 19 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
Hüseyin K.
Letzte Position:
Senior Full-Stack-Entwickler bei DVAG
Architektur und Umsetzung einer vollständig digitalisierten Abschlussstrecke zur Verwaltung von Wertpapierverträgen innerhalb der DVAG-Infrastruktur. Die Plattform zielt auf maximale Benutzerfreundlichkeit, modulare Erweiterbarkeit und Compliance-gerechte Verarbeitung sensibler Daten.
Implementierung einer reaktiven UI-Struktur mit Fokus auf User Guidance & Accessibility.
Dynamische Steuerung von Formular- und Abschlussprozessen inkl. Validierungslogik.
Reaktives State-Management über SignalStore (Signale + selektive Effects).
UX-Optimierung durch adaptive Komponenten und Playwright-basierte UI-Tests.
Modularisierung des Backends zur Anbindung bestehender Vertriebs- und Vertragslogiken.
API-Stabilität und DTO-Design nach Clean Architecture-Prinzipien.
Zusammenarbeit mit Domain-Teams zur Definition technischer Verträge und Servicegrenzen.
Management mit GitHub.
Unit-Tests mit Jest, E2E-Tests mit Playwright.
Code-Reviews, CI-integrierte Testausführung, iterative Refactorings.
Sicherstellung hoher Coverage und UI-Stabilität im Abschlussprozess.
Technologien: Angular 18, RxJS, SignalStore, HTML5, SCSS, Spring Boot, Kotlin, REST, OAuth2, Jest, Playwright, Clean Architecture.
Tobias O.
Letzte Position:
Python Entwickler bei BundesMessenger
Implementierung neuer Funktionen im Admin Backend
Automatisierte Tests (Unit, E2E)
Architekturabstimmung mit externen Partnern
Funktionalitäten: User-Verwaltung, Raumsteuerung, Release-Automatisierung.
Ekaansh K.
Letzte Position:
Masterarbeit – LLM-gestütztes RAG-System bei Friedrich-Alexander-Universität Erlangen-Nürnberg
- Entwicklung eines RAG-Systems zur Automatisierung von Studierendenanfragen mit 96 % Genauigkeit, erstellt mit FastAPI und LangChain und auf dem Universitätsserver mit Docker bereitgestellt.
- Bewertung der Leistung mit RAGAS durch den Vergleich von LLMs (Llama3.3, Llama3.1, GPT-4o-mini), Vektor-Embeddings und verschiedenen Retrieval-Techniken innerhalb der RAG-Pipeline.
- Technische Skills: Python, FastAPI, Docker, AWS, LangChain, LangSmith, NLP, HTML, CSS
Zakaria B.
Letzte Position:
Entwickler für maschinelles Lernen / Softwareentwickler bei X-FAB Semiconductor Foundries GmbH
- Training von Machine-Learning-Modellen für verschiedene Zwecke.
- Programmierung mit Sprachen wie R und Python, je nach Projektanforderungen.
- Entwicklung, Test und Wartung von R-Shiny-Anwendungen für die Wafer-Fertigung.
- Dokumentation des Codes, der Projektanforderungen, der Designentscheidungen und der Entwicklungsprozesse.
- Durchführung von Integrationstests und Fehlerbehebung, um die korrekte Funktion der Software sicherzustellen.
- Programmierung, Fehlerbehebung und Einhaltung von Qualitätsstandards für einen reibungslosen Betrieb.
- Einsatz von Git und GitHub, um Änderungen zu verwalten und effizient mit anderen Entwicklern zusammenzuarbeiten.
- Einsatz von Docker und Jenkins zur Containerisierung von Anwendungen.
- Auf dem neuesten Stand der Tools, Technologien und bewährten Verfahren in der Softwareentwicklung bleiben.
- Unterstützung im MES (Manufacturing execution system).
- Mitarbeit im Projektmanagement, zum Beispiel bei der Priorisierung von Aufgaben und der Projektzeitplanung.
- Wartung und Optimierung bereitgestellter Apps.
Tobias J.
Letzte Position:
Konzeption eines AI-Agenten basierten ERP-Systems
- Konzeption eines LLM-basierten Agentensystems zur Steuerung der ERP-Software
- Entwicklung von Agenten-Workflows mit LangGraph und PydanticAI
- Planung der Schnittstellen zwischen Geschäftslogik und Sprachmodellen
- Planung der Agentenorchestrierung
- Prototypenentwicklung- und Demonstration
Werkzeuge: Python, Pydantic, React, LangChain, LangGraph, Linux
Hasan R.
Letzte Position:
KI-Ingenieur bei ETAS GmbH (Robert Bosch GmbH)
- Automatisierung der Softwareentwicklung mit generativer KI (Masterarbeit): Entwicklung eines Gen-KI-Prototyps mit agentenbasierten Workflows, LLMs und RAG, wodurch jährliche Einsparungen von €100,000 durch eine Verkürzung der Entwicklungszyklen um 60–80% erzielt wurden. Zusammenarbeit mit funktionsübergreifenden Teams zur Automatisierung des Softwarelebenszyklus, wodurch die betriebliche Effizienz um über 60% gesteigert wurde.
- Entwicklung eines AUTOSAR-basierten KI-Chatbots: Implementierung eines KI-basierten Chatbots mit NLP, Vektordatenbanken und einer RAG-Pipeline, wodurch die Effizienz beim Abruf von Dokumentationen über REST APIs um 80% verbessert wurde. Präsentation der Ergebnisse vor dem Senior Management, um die strategische Einführung und Unterstützung durch die Führungsebene zu sichern.
- Automatisierung von Stub-Prozessen mit generativer KI: Entwicklung einer generativen KI-Lösung zur Automatisierung von Build-System-Prozessen, wodurch manuelle Bereitstellungsaufgaben um 60% reduziert und Git-Workflows nahtlos integriert wurden.
- Co-Simulation und Bewertung des RTE-Standards mit Gen-KI: Beschleunigung der Konformitätsbewertung für den RTE-Standard um 45% durch den Einsatz generativer KI-Tools und Python zur Bewertung.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Forschungsingenieur für Machine Learning
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Ulm, Deutschland arbeiten
