München, Bayern, Deutschland
Mitglied seit 2026
Foto
Kontakt

Kontakt Kandidat

Nur für angemeldete Unternehmen sichtbar!
Lesezeichen

Lesezeichen Details

Profil

Als erfahrener ML-Engineer bringe ich ihre ML Projekte End-to-End in Produktion.

Angefangen bei der Datenanbindung, der effektiven Transformation mit Python und Pyspark, Modelloptimierung mit Scikit-Learn, PyTorch und Pyro, dem Deployment via IaC, Docker und Kubernetes und dem Monitoring der Ergebnisse via MLOps-Tools wie z.B. Databricks-MLFlow.

Darüber hinaus konnte ich bereits kundengetriebene Erfahrung in der Leitung von Data-Science-Teams und der Wissensvermittlung zum Thema ML und AI sammeln.

Experten-Skills (8+ Jahre Berufserfahrung):

  • Data Analysis, Machine Learning mit Python (8 + Jahre)
  • Deep Learning, Computer Vision mit Python (8 + Jahre)
  • Prompt Engineering, RAG-Implementation and Agentic AI mit Python (4 + Jahre)
  • Agiles Software Development (8+ Jahre)
  • ML-Ops und Data-Pipelines in Cloudumgebungen(6 + Jahre)
  • Management von Data-Science-Teams (4+ Jahre)
  • Knowledge Sharing (Coding Workshops, Courses) (7 + Jahre)

Unterstützende Skills:

  • Unit- und E2E-testing (6 + Jahre)
  • Docker und Kubernetes (6 + Jahre)

Praxiserfahrung

01.01.2026 - 01.06.2026
Lanxess AG Freelance ML Engineer | ML Ops für mehrere Projekte
  • Weiterentwicklung und Operationalisierung der bestehenden Demand-Forecasting-Plattform mit Fokus auf Skalierbarkeit, Monitoring und produktionsreife ML-Infrastruktur.
  • Aufbau standardisierter MLOps-Prozesse zur automatisierten Bereitstellung, Überwachung und Wartung von Forecasting- und GenAI-Komponenten.
  • Entwicklung und Optimierung skalierbarer CI/CD- und MLOps-Pipelines für Training, Testing, Deployment und Monitoring von Forecasting-Modellen.
  • Einführung zentralisierter Experiment- und Modellverwaltung mittels MLflow inklusive Versionierung, Model Registry und automatisierter Deployment-Strategien.
  • Aufbau eines Monitoring-Frameworks für Modellperformance, Datenqualität und Drift Detection zur Sicherstellung stabiler Vorhersagequalität.
  • Automatisierung von ETL-, Retraining- und Inferenzprozessen auf der unternehmensinternen Datenplattform.
    Containerisierung und Bereitstellung von ML-Services und GenAI-Komponenten mittels Docker und API-basierter Architektur.

  • Optimierung verteilter PySpark-Pipelines zur Reduktion von Laufzeiten und effizienteren Ressourcennutzung.
    Erweiterung der GenAI-Agent-Architektur für Explainability, Forecast-Interpretation und interaktive Analyse-Workflows.

  • Unterstützung bei der Einführung von Best Practices für MLOps, Software Engineering und produktionsreife KI-Systeme innerhalb der Fachbereiche.
  • Technologie-Stack:

    Python, PySpark, MLflow, Docker, FastAPI, Azure Synapse, Azure OpenAI, Databricks, Git, CI/CD, LangChain, Agentic AI, Monitoring, Drift Detection, Plotly-Dash

01.06.2025 - 01.01.2026
Lanxess AG Freelance ML Engineer | Cashflow Forecast
  • Cashflow-Vorhersage
  • Entwicklung eines skalierbaren, probabilistischen und
    zuverlässigen Cashflow-Forecasting-System zur Unterstützung
    strategischer Finanzplanung.

  • Nutzung von Bayes’scher Modellierung mit Pyro
  • Selbstständige Entwicklung und Optimierung von ETL und MLOps
    Pipelines auf unternehmensinternen Datenplattform (Databricks-ähnlich).

  • Modellerklärungen mit Azure OpenAI.
  • Die Lösung stärkt Entscheidungsfindung, Risikobewertung und
    spart dadurch hohe Zinskosten.

  • Technologie-Stack:

    Python, Pyro, PyTorch, Azure Synapse, Azure Open-AI, LLM, Prompt-Engineering, Langchain, Agentic AI, PlotlyDash, Docker, Databricks-MLFlow, FastAPI, Git

01.09.2024 - 01.06.2026
Lanxess AG Freelance ML Engineer | Demand Forecast
  • Demand Forecast
  • Erstellung eines End-to-End-Workflows zur Vorhersage von
    Demand für alle Business Units zur Logistik-Optimierung.

  • Selbstständige Entwicklung und Optimierung von ETL und MLOps
    Pipelines auf unternehmensinternen Datenplattform (Databricks-ähnlich).

  • Zweigliedriger Ansatz für die Prognose von intermittened
    Demands:

  • 1. Binäre Vorhersage: Identifikation des Auftretens von Nachfragen.
  • 2. Regression: Schätzung der Nachfragehöhe.
  • Einsatz von Large Language Models (LLMs) und Azure OpenAI zur
    Implementierung von Sentiment-Analysis für Besuchsberichte, um
    qualitative Einblicke zu verbessern.

  • Implementation eines GenAI-Agent-Frameworks zur Erklärung
    von Vorhersageergebnissen und der visuellen Aufbereitung.

  • Technologie-Stack:

    Python, PySpark, Databricks-MLFlow, FastAPI, Git, Azure Synapse, Azure Open-AI, LLM, Prompt-Engineering,
    Langchain, Agentic AI, Plotly-Dash, Docker

Expertisen/Skills
Agentic AI SoftwareentwicklungApache SparkData ScienceLangChain • LangGraphMachine LearningMathematik • StatistikMicrosoft Azure AI Foundry Agent ServicePredictive AnalyticsPrompt EngineeringPythonPyTorchRAG • Retrieval Augmented Generation
Profil drucken

Anmelden

Kostenlos registrieren

Passwort zurücksetzen