pandas Experten in Nürnberg

David O.

ML-Ingenieur

Letzte Position:

Research Intern bei Pattern Recognition Lab

Leitung der Integration eines maßgeschneiderten Transformer-basierten Encoders in die AFFGANwriting-Pipeline und Ersetzung der alten VGG19-Architektur, um reichhaltigere, hochqualitative Schreibstil-Repräsentationen zu gewinnen.
Steigerung der Auswahlrate in Nutzerstudien um 40 %, was einen deutlichen Sprung in der wahrgenommenen Qualität und dem Realismus der generierten Handschriften im Vergleich zum Basismodell zeigte.
Verbesserung der OCR-Leistung um 20 % durch Implementierung eines Teacher-Student-Frameworks, das ein TrOCR-Benchmarkmodell für ergänzende Trainingsabstimmung nutzte.

Amir A.

Masterarbeit

Nürnberg

Letzte Position:

Masterarbeit bei Friedrich-Alexander-Universität

Analyse der Rolle von Ehe als informelle Versicherung in Deutschland unter Anwendung ökonometrischer Methoden (Betreuung: Prof. Dr. Harald Tauchmann).
Aufbereitung und Bereinigung mehrerer Paneldatensätze sowie Extraktion relevanter Variablen zur Erstellung eines finalen Paneldatensatzes mit über 36.000 Beobachtungen (2006–2020, SOEP).
Design eines IV-Modells in Stata zur Untersuchung des kausalen Zusammenhangs zwischen Trennung von Paaren und Gesundheitsschocks (mental/physisch).
Durchführung von Robustness Checks zur Sicherstellung der Stabilität und Validität der Ergebnisse.

Muntaha S.

KI-Ingenieur (Freiberufler)

Letzte Position:

KI-Ingenieur (Freiberufler) bei Upwork

Über 40 KI-Projekte und 23 strategische Beratungen für internationale Kunden (USA, Europa, Naher Osten) abgeschlossen, eine Erfolgsquote von 98 % erreicht und langfristige Partnerschaften aufgebaut.
Produktionsreife KI-Lösungen in Computer Vision, NLP, Deep Learning und Generativer KI (LLMs, RAG-Pipelines, Stable Diffusion, OCR, Chatbots) entwickelt und bereitgestellt, wodurch Automatisierung ermöglicht und die Effizienz der Kunden um bis zu 70 % gesteigert wurde.
Große Sprachmodelle (LLMs) entworfen und feinabgestimmt, inklusive Prompt Engineering und Integration in unternehmensinterne Wissensdatenbanken, was zu intelligenteren Entscheidungen und reduziertem manuellem Aufwand führte.
Echtzeit-Computer-Vision-Anwendungen (Erkennung, Segmentierung, OCR) entwickelt und in Geschäftssysteme integriert, wodurch Genauigkeit und Skalierbarkeit deutlich verbessert wurden.
Start-ups und Unternehmen in KI-Strategie, Architektur und Implementierung (Cloud & On-Premise) beraten, Produktentwicklung beschleunigt und die Markteinführungszeit verkürzt.
Den gesamten Lebenszyklus von KI-Projekten (Anforderungsanalyse, Lösungsdesign, Bereitstellung, Support) in agilen, internationalen und funktionsübergreifenden Umgebungen gemanagt und dabei eine hohe Qualität gesichert.

Puranjan B.

Praktikum - Generative KI

Letzte Position:

Praktikum - Generative KI bei Continental

Bilder von Reifen und deren Merkmalsbeschreibungen gesammelt.
Datensatz mit Bild-Metadaten mit pandas bereinigt.
Merkmals-Embeddings der Bilder in der Chroma-Vektordatenbank gespeichert.
Bildaugmentierungen eingesetzt, um die Datensatzgröße zu erhöhen.
sklearn verwendet, um Datensätze zu mischen, und imbalanced-learn, um Klassengrößen im Datensatz auszugleichen.
PyTorch genutzt, um verschiedene neuronale Netze zu trainieren und zu testen.
Modell mit einer eigenen Genauigkeitsmetrik auf Basis einer Ähnlichkeitssuche in ChromaDB validiert.
Vorhersagen der Genauigkeit mit matplotlib visualisiert.
Trainiertes Modell in DreamBooth integriert, um ein Stable-Diffusion-Modell zu trainieren und neue Reifenbilder zu generieren.
Eigenes Docker-Image im Amazon Elastic Container Registry für das Machine-Learning-Skript erstellt.

Pawan S.

Akademisches Projekt

Nuremberg

Letzte Position:

CAPTCHA-Erkennung mit CRNN

Ein CRNN-Modell mit VGG16- und BiLSTM-Backbone zur Erkennung textbasierter CAPTCHAs entwickelt
Zeichenfehlerrate (CER) von 9,37% und Sequenzgenauigkeit von 68,36% auf dem Validierungsdatensatz erreicht
Datenaugmentierungspipeline mit Verzerrungen, Rauschzugabe und Überlagerungen erweitert, um die Robustheit zu steigern
Detaillierte Fehleranalyse bei verwechselbaren Zeichen (O, Q, D) durchgeführt und zeichenspezifische Augmentierung vorgeschlagen
Tech Stack: Python, TensorFlow/Keras, OpenCV, NumPy, Matplotlib

Vasuraj B.

Cloud-Datenanalyst

Letzte Position:

Cloud-Datenanalyst bei Bhatia Reply

Analysierte über 50.000 Kundendatensätze mit SQL und Python in einem Cloud-Service-Unternehmen und identifizierte Trends
Erstellte interaktive Tableau-Dashboards für Vertriebs- und Marketing-Stakeholder, wodurch Berichte verkürzt wurden
Entwickelte ARIMA- und AutoARIMA-Zeitreihenmodelle zur Prognose der AWS-Ressourcenauslastung, wodurch Kosten gesenkt wurden
Automatisierte ETL-Pipelines mit Python und verbesserte die Workflow-Effizienz um 20 % für skalierbare Daten
Kooperierte mit DevOps-Teams, um 3 Machine-Learning-Modelle mit Docker in der Produktion bereitzustellen

Ekaansh K.

Masterarbeit – LLM-gestütztes RAG-System

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

Aqsa Y.

Manager für Kundenservice

Letzte Position:

Multilingual Translation Tool - NLP Project

Integrierte MarianMT-Modelle (Marian Machine Translation), um hochwertige neuronale maschinelle Übersetzungen (NMT) zu gewährleisten.
Verwaltung des Modellladens und der Tokenisierung mit Hugging Face Transformers, optimiert für Offline-Cache und Reproduzierbarkeit.
Geplante Erweiterungen: automatische Spracherkennung, Batch-Übersetzungen und effiziente GPU-Inferenz mit PyTorch.

Anshul P.

BSc Künstliche Intelligenz