Erfahrungen
Studentische Hilfskraft
University of Indore
- Mitarbeit an einem wichtigen Projekt zu Quasi-Monte-Carlo-(QMC)-Methoden für die Bayes'sche Optimierung in PDEs, einschließlich der Implementierung und mit Schwerpunkt auf der Quantifizierung von Unsicherheiten.
- Bearbeitung von Bayes'schen inversen Problemen, die durch PDEs beschrieben werden, sowie detaillierte Analyse von Problemen mit doppelter Integration unter Verwendung von zwei Ansätzen: einem vollständigen Tensorprodukt und einem dünn besetzten Tensorprodukt.
- Verbesserung der Recheneffizienz durch die Entwicklung und Optimierung QMC-basierter Algorithmen, wodurch die Robustheit der Prozesse zur Quantifizierung von Unsicherheiten deutlich verbessert wurde.
- Umfangreiche Optimierung und Validierung von Algorithmen, die zu zuverlässigeren und genaueren Vorhersagen in PDE-Modellen führten.
Datenanalyst
Asiatic Petrochemicals
- Steigerung der Produktionseffizienz um 15% und Senkung der Rohstoffkosten um 10% durch fortgeschrittene Zeitreihenanalysen und statistische Methoden.
- Verbesserung der Bestandsverwaltung um 18% durch den Einsatz verschiedener Zeitreihenmodelle zur Nachfrageprognose unter Berücksichtigung von Trends und Saisonalität.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Bildung.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Forschung und Entwicklung (F&E).
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Subodh ist in Berlin, Deutschland ansässig.
Subodh spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse).
Subodh hat mindestens 2 Jahre Erfahrung. In dieser Zeit hat Subodh in mindestens 1 Rolle und für 1 Firma gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 8 Monate. Beachten Sie, dass Subodh möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Subodh gut geeignet für Rollen wie: Studentische Hilfskraft, Datenanalyst.
Die neueste Position von Subodh ist Studentische Hilfskraft bei University of Indore.
In den letzten Jahren hat Subodh für University of Indore gearbeitet.
Subodh hat die meiste Erfahrung in Industrien wie Bildung.
Subodh hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung (F&E).
Subodh hat einen Master in Mathematik von Freie Universitat Berlin, einen Master in Angewandte Mathematik von SGSITS Indore und einen Bachelor in Mathematik & Physik von University of Indore.
Die Verfügbarkeit von Subodh 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
Meisam G.
Letzte Position:
Machine-Learning-Ingenieur bei Geeks
- Nutzte ein Large Language Model (LLM) bei WordUp, das kontextuelle Beispiele versteht und generiert, um den Wortschatz zu verbessern und personalisierte Lernerfahrungen zu optimieren
- Entwickelte einen hochleistungsfähigen FastAPI-Service zum Abrufen von hoch-k-ähnlichen Vektoren mit Batch-Abfragen, entscheidend für effiziente Retrieval Augmented Generation (RAG) und semantische Suchanwendungen
- Entwarf und implementierte eine leistungsstarke Python-ETL-Pipeline, optimierte CPU- und I/O-Auslastung und vereinfachte die Datenbereinigungslogik, was zu einer 30%igen Reduktion der Verarbeitungszeit führte
- Setzte maschinelles Lernen ein, um das Nutzerverhalten zu analysieren und Churn vorherzusagen, erkannte wichtige Engagement-Trends, die zu einer 15%igen Steigerung der Nutzerbindung und -zufriedenheit führten
- Entwickelte ein Customer-Lifetime-Value-(CLTV)-Vorhersagemodell, das durch gezielte Bindungsmaßnahmen zu einer 10%igen Steigerung des durchschnittlichen CLTV führte
Himanshu N.
Letzte Position:
Principal (Datenwissenschaftler/Dateningenieur/Gen-AI-Ingenieur) bei Marktguru Deutschland GmbH
Konzipierte eine agentenbasierte Echtzeit-Engine zur Angebotsorchestrierung, in der spezialisierte Agenten (Retrieval, Pricing/Optimierung und Richtlinien/Guardrails) zusammenarbeiten, um Promotionen über alle Touchpoints zu personalisieren, mittels RAG mit FAISS auf Delta Lake und latenzarmem Databricks Model Serving. Arbeit mit Produktmanagern und kommerziellen Stakeholdern zur Roadmap-Gestaltung und Bewertung neuer Agentenmuster für den Produktionseinsatz.
Entwickelte einen agentenbasierten Data-Quality-Service, der Schema-Erkennung, Entity-Normalisierung und Validator-/Exception-Handling-Agenten orchestriert, um SKU-Feeds mehrerer Händler in großem Maßstab zu bereinigen. Verpackte Modellaufrufe in PySpark-UDFs für verteilte Inferenz, automatisiert über Databricks Workflows und CI/CD.
Entwickelte eine multimodale, agentenbasierte Extraktions-Pipeline, in der Vision-, Parsing- und Compliance-Agenten zusammenarbeiten, um Marke, Verpackung und Volumen aus gescannten Bildern mit Claude 3 Sonnet und Swin Transformer-Encodern zu extrahieren. Orchestriert über Azure Event Hub, mit Speicherung der Ergebnisse in Delta Lake.
Implementierte einen GS1-Taxonomie-Klassifizierungsservice, der auf kooperierenden Agenten für Inferenz, Drift-Monitoring und automatisierte Retrainings-Governance basiert, unter Nutzung von Falcon 180B (LoRA-feinjustiert) mit Batch-Pipeline auf Databricks.
Erstellte einen hybriden Agenten-Workflow, bei dem ein Retrieval-Agent Kandidaten über Embeddings ermittelt und ein Reasoning/Verifikations-Agent (Mixtral 8x7B) die Übereinstimmung von Beleg und SKU überprüft, integriert in eine Streaming-Pipeline auf Databricks.
Entwickelte eine multimodale Attribut-Inferenz-Pipeline, aufgebaut aus kooperierenden Vision-Sprach-, Regel-/Konsistenz- und Compliance-Agenten, um NutriScore, Nährwertfelder und Verpackungsarten aus Namen und Bildern mit LLaMA 3-8B und CLIP-Embeddings zu ermitteln.
Entwickelte ein GenAI-basiertes Orchestrierungssystem, das Rezepte von mehreren Websites einliest, Zutaten über strukturierte Extraktions-Agenten analysiert und diese dynamisch über Tagging, semantisches Reasoning und Business-Rule-Agenten mit Echtzeit-Händlerangeboten verknüpft.
Aravind S.
Letzte Position:
KI- und Datenspezialist bei Emirates Islamic Bank
- Entwarf und implementierte LLM-basierte KI-Agenten, RAG-Pipelines und Vektorsuchlösungen zur Entscheidungsunterstützung in der Retail-Banking-Abteilung.
- Entwickelte und lieferte robuste KI-Pipelines mit Schutzmechanismen, Fehlerbehandlung, Monitoring und Fallback-Logik, um hohe Zuverlässigkeit und Einhaltung der Datenschutzbestimmungen zu gewährleisten.
- Entwickelte und implementierte ML-Modelle zur Erkennung von Transaktionsanomalien, wodurch die Betrugserkennung und Risikobewertung in großen Datensätzen für das Kreditrisikomodell verbessert wurden.
- Erstellte, bewertete und optimierte ML-Modelle zur Generierung von Propensity Scores für Kunden, die in personalisierten Targeting-Kampagnen für Kreditkarten und Privatkreditprodukte eingesetzt wurden.
- Entwickelte eine NLP-Pipeline mit BERT-Embeddings und spaCy NER für SMS-/E-Mail-Analysen und Kundenanfragenprotokolle.
- Trainierte Machine-Learning-Modelle mit Isolation Forest, um Nutzerverhalten zu klassifizieren und Anomalien zu erkennen.
- Extrahierte, bereinigte, angereicherte und feature-engineerte Datensätze aus verschiedenen Quellen, um Feature Stores zu erstellen, die das Training von ML-Modellen ermöglichten.
- Leitete die Entwicklung von Dashboards mit Power BI, Grafana und Prometheus zur Überwachung der Modellleistung, KPI-Trends und Marketing-Kennzahlen.
- Erstellte Multi-Touch-Attributionsmodelle mit logistischer Regression und zeitverfallbasierten Gewichtungen zur Bewertung der Lead-Qualität.
- Entwickelte skalierbare ETL-Pipelines aus CRM, T24, SAP und ERP zur Unterstützung von Millionen monatlicher Transaktionen.
- Integrierte Testverfahren und CI/CD-Workflows für eine stabile Bereitstellung von Datenpipelines.
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
Anton K.
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeiter).
Technische Integration von allen Subprojekten in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung eines Cloud Management Platforms (CMP), die in der Lage ist, Private/Mixed Cloud von beliebiger Komplexität anhand einer textuellen Beschreibung mit einem Click oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus Hardware Management.
Als Basis wird Kubernetes, Openstack und Hadoop benutzt.
Die Managementschicht beinhaltet Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Privat Cloud kann beliebige Workloads von Kunden ausführen, darunter volle Hadoop Schicht mit HDFS, Spark, MapRed, Mezos, HBase und ca. 20 weiteren ML/DL Technologien.
Hadoop Worker Cluster kann auch ohne Kubernetes on Bare Metal oder Commodity Hardware automatisch installiert werden.
Openstack mit Nova, Neutron, Ironic, Swift, Cinder, Ceph.
Entwicklung einer Java Anwendung Rudi: Soap, Rest, Containers, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), Openstack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualizierung (Kubernetes (K3S), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Omkar K.
Letzte Position:
Betriebsleiter bei Advance Group
- Optimierung von Geschäftsprozessen und Qualitätssicherung im Mobilitätsbereich, Unterstützung und Feedback für Sales-, Marketing- und IT-Teams auf Basis aktueller Marktanforderungen
- Festlegung und Pflege von OKR, KPIs, OLAs und SLAs im Operations- und Customer-Support-Team mit dem Zendesk-Ticketsystem
- Detaillierte Verwaltung und Analyse von operativen Datenströmen (z.B. Transaktionsumsätze, Rechnungen) für Produkte
- Bearbeitung von B2B- und B2C-Kundenanfragen und Reporting an Stakeholder
- Erstellung von Berichten für Stakeholder zur Steigerung der operativen Exzellenz
- Produktverantwortlicher für Support von App, Portal, Listings und Preisgestaltung
- Analyse und Nutzung von POI-Daten aus dem Backend
- Datenhandling und Prozessoptimierungen im Tagesgeschäft bei Kundenanfragen
- Analyse von Problemen und Anwendung von Problemlösungsmethoden bei Kundenanfragen
- Lieferantenmanagement für 200 Lieferanten, einschließlich Verhandlung und Vertragsabschluss für laterale und bilaterale Engagements
- Berichterstattung über Stammdaten von Lieferanten zu Sport, Lebensmitteln, Reisen und Handling
- Nachverfolgung und Prüfung von Rechnungen gemäß Vertrag und Freigabe zur Zahlung
- Verständnis von Preisgestaltungstechniken und Implementierung im SAP-System mit laufender Kommunikation mit Stakeholdern zur Effizienzsteigerung von SaaS-Produkten
- Datenanalyse mit MS Excel, Tableau und SQL gemäß Anforderungen
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Studentische Hilfskraft
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Berlin, Deutschland arbeiten
