Machine Learning Engineer

5/2023 – 4/2024

Zuständig für den Aufbau einer Ende-zu-Ende Datenaufbereitungs-, Verarbeitungs- und Trainingsstrecke für die eingehenden Anrufe im Kundenservice. Hierbei wurden Methoden aus den Bereichen der natürlichen Sprachverarbeitung und der generativen künstlichen Intelligenz verwendet, um die zugrundeliegenden Daten in Text und weiterführend in für den Fachbereich analysierbare Ergebnisse zu überführen. Zu diesem Zwecke wurden Machine Learning Modelle (Transformer; LLMs) trainiert zur Vorhersage relevanter Parameter hinsichtlich der Kundenanliegen und -zufriedenheit und in die Verarbeitungsstrecke in der AWS-Cloud implementiert. Mit diesem MLOps-Prozess und den täglich neuen, resultierenden Daten wurden dem Fachbereich und dem Kunden im Allgemeinen wertvolle und zuvor nicht vorliegende Einblicke in das Anrufsverhalten der Kund*innen ermöglicht.

Amazon Web Services (AWS), Cloud Computing, Cloud Spezialist, Continuous Delivery, Continuous Integration, Data Science, Datenanalyse, Datenbankentwicklung, Datenmanagement, Docker, Git, Large Language Models, Machine Learning, Machine Learning Engineer, MLOps, Natural Language Generation, Natural Language Processing, Natural Language Understanding, Python, Transformer

8/2022 – 4/2023

Ziel war es, das Bereichsprodukt weiterzuentwickeln, welches Targetings auf Webseiten unter Berücksichtigung des Kontextes und unabhängig von 3rd Party Cookies anbietet. Zu den Schwerpunkten zählte sowohl die Entwicklung von Datenaufbereitungs-, Verarbeitungs- und Trainingsstrecken, als auch die Bereitstellung von Inferenz-Endpunkten für Machine-Learning Modelle in der Cloud. Zuletzt wurde außerdem eine Web-Applikation entwickelt, welche der Bereich zukünftig für eine vereinfachte Konfiguration von kontextuellen Kundensegmenten verwenden wird, da sie zugrundeliegende Mechanismen des Quellcodes durch interaktive Tools verständlich macht und die Auswirkungen verschiedener Konfigurationen veranschaulicht und informativ darstellt.

Amazon Web Services (AWS), Cloud Computing, Docker, Git, Go (Programmiersprache), Machine Learning, Natural Language Processing, Python, Vektordatenbank

3/2022 – 4/2024

- Entwicklung von end-to-end MLOps-Prozessen in der Cloud (Datenverarbeitung, Training und Operationalisierung von Modellen, Analyse und Monitoring) für namhafte Kunden diverser Branchen
- Präsentation und Kommunikation von Ideen und Ergebnissen vor Interessensgruppen und Vorgesetzten
- Erwerb von Zertifizierungen und Weiterbildungen (Spezialisierung NLP und GenAI/LLM)

Data Science, Cloud Spezialist, Apache Spark, Databricks, Datenanalyse, Datenmodelierung, SQL, Continuous Delivery, Continuous Integration, DevOps, Machine Learning Engineer, Computer Vision, Generative KI, Keras, Langchain, Large Language Models, MLOps, Naive Bayes, Natural Language Generation, Natural Language Understanding, Pytorch, Random Forest, Scikit-learn, Tensorflow, Transformer, Vektordatenbank, Natural Language Processing, Python-Programmierer, Docker, Git, Go (Programmiersprache), Machine Learning, Python, Cloud Computing, Amazon Web Services (AWS), Architekturvisualisierung, Datenmanagement