Dennis K.
Spezialist für KI-Sprachannotation
Erfahrungen
Juli 2025 - Juli 2025
1 MonateSpezialist für KI-Sprachannotation
Argos Multilingual
- Verifiziert und reannotiert 264.000 Wörter englischer Literaturtexte, um genaue Charakter-Dialog-Erkennung, präzise Abgrenzung und konsistente Tag-Ausrichtung sicherzustellen
- Überprüft und korrigiert KI-generierte Dialogabschnitte, indem Anführungszeichen und Redegrenzen korrekt in Character-Tags eingefasst wurden, was die Gesamtgenauigkeit der Dialogabschnitte um 35 % erhöhte
- Querreferenziert und erweitert die Charakterliste, aktualisierte Aliase, Geschlecht und beschreibende Metadaten, um kanonische Konsistenz zu wahren und falsche Zuordnungen zu eliminieren
- Unterscheidung von gesprochener Rede, Imitationen und Gruppengespräch von Erzählung oder innerem Monolog, um die Datenzuverlässigkeit für nachgelagerte NLP-Modelltrainings zu stärken
- Kontextbezogene Analyse durch Bezugnahme auf vorherige und nachfolgende Kapitel, um mehrdeutige oder implizite Sprecher korrekt zuzuordnen
- Anwendung rigoroser QA-Checklisten zur Validierung der Vollständigkeit der Tags, Charaktergenauigkeit und Annotation-Abdeckung gemäß den Character Dialogue Annotation Guidelines
- Nutzung der Argos-Annotation-Portal-Tools (Tag-Paar-Bearbeitung, Alias-Suche und Live-Metadaten-Updates) zur Optimierung des Workflows und Steigerung des Annotation-Durchsatzes
- Zusammenarbeit mit dem Projektmanager zur Integration von Feedback-Schleifen, die über 99 % Labelgenauigkeit und Rubrik-Konformität bei allen Einreichungen gewährleisteten
- Pünktliche Lieferung aller Annotationen bei herausragender Genauigkeit, Qualitätssicherungs-Disziplin und Zeitmanagement-Fähigkeit
- Anerkannt von Argos-Projektleitungen für beispielhafte Datenqualität, kontextuelles Verständnis und Beitrag zu den preisgekrönten Evaluierungsmaßstäben des Projekts
Juli 2024 - Bis heute
1 Jahr 5 MonatenLondon, Vereinigtes Königreich
KI-Daten-Spezialist
GoodNotes
- Konzipierte strukturierte Annotationsrahmen, die die Empfehlungsgenauigkeit in Content-Discovery-Modellen um 25 % verbesserten
- Leitung von End-to-End-Datenkennzeichnung, Inhaltsevaluierung und Modellverhaltenstests für KI-gestützte Notizen- und Produktivitätssysteme
- Entwurf und Durchführung von LLM-Evaluationsexperimenten zur Bewertung von Reasoning-Genauigkeit, faktischer Fundierung, Zusammenfassungsqualität und multimodaler Kohärenz
- Entwicklung skalierbarer Annotation-Workflows mit integrierten automatisierten Validierungsprüfungen und Reviewer-Kalibrierungssystemen, Steigerung des Evaluierungsdurchsatzes um 30 %
- Durchführung von A/B-Tests und Regressionsanalysen in Projekten zur Erkennung von Verhaltensdrift und Optimierung der Leistung generativer Modelle
- Erstellung rubrikbasierter Bewertungssysteme und QA-Vorlagen zur Messung von Prompt-Treue, Abdeckung und Inhaltsicherheit in Text-, Bild- und Audioaufgaben
- Leitung plattformübergreifender Evaluierungsinitiativen zur Standardisierung der Annotationslogik und Sicherstellung der Konsistenz zwischen Builds
- Zusammenarbeit mit Forschungs- und Engineering-Teams zur Anwendung von Prompt-Optimierungen und Build-übergreifenden Tests, was zu einer 25 %-Steigerung der Modellantwortgenauigkeit führte
- Verfassen strukturierter Evaluierungsberichte zur Zusammenfassung von Qualitätsentwicklungen, Ergebnisverteilungen und Erkenntnissen, die Feintuning und Richtlinienaktualisierungen unterstützen
- Betreuung und Schulung bereichsübergreifender Reviewer zur Wahrung der Rubriktreue und einheitlicher QA-Praktiken in multimodalen und mehrsprachigen Datensätzen
- Einhaltung einer Task-Abschlussrate von über 99 % bei stets höchster Genauigkeit und Präzision in allen Evaluierungszyklen
Juni 2024 - Feb. 2025
9 MonatenBoca Raton, Vereinigte Staaten
Spezialist für Datenannotation
e2f, inc.
- Bewertung von LLM-generierten Antworten in fünf Qualitätsdimensionen, um Datensatzkonsistenz für das Training zu gewährleisten
- Bewertung und Annotation multimodaler KI-Daten in Text-, Bild- und Videodimensionen unter Verwendung von Qualitätsmetriken wie Nützlichkeit, Relevanz, Vollständigkeit und Nutzernutzen zur Verbesserung von Discovery- und Reasoning-Genauigkeit
- Durchführung von Präferenz-Rankings, interaktiven Dialoguevaluierungen und Retrieval-gestützter Antwortverifizierung zur Prüfung faktischer Konsistenz und Modellfundierung
- Entwurf und Anwendung persona-basierter Evaluations-Prompts und mehrstufiger Reasoning-Szenarien zur Stärkung der Kontextübereinstimmung und Nutzererfahrung in konversationalen KI-Systemen
- Implementierung strukturierter Bewertungsrahmen und QA-Richtlinien zur Sicherstellung der Klassifikationsgenauigkeit, Datenkonsistenz und Übereinstimmung mit projektspezifischen Benchmarks
- Durchführung von Raum-Zeit- und Entitätserkennungsanalysen in videobasierten Annotation-Workflows, um Präzision in Reasoning, Ereignissequenzierung und Kontextverständnis zu gewährleisten
- Ausführung von Inhaltskorrektheit, Quellenüberprüfung und Prüfung der Ebenengenauigkeit von Aussagen, Identifizierung von Halluzinationen und Reasoning-Lücken in LLM-Ausgaben
- Zusammenarbeit mit bereichsübergreifenden QA-Teams zur Verbesserung der Annotationsstandardisierung, Erzielung einer 20 %-Steigerung der Inter-Annotator-Übereinstimmung und Aufrechterhaltung einer Auditgenauigkeit von über 99 %
- Ständige Übererfüllung von Durchsatz- und Qualitätszielen, Beitrag zur großflächigen Datenbereitschaft für das Feintuning und Verhaltensevaluierung nächster Modellgenerationen
Mai 2024 - Mai 2024
1 MonateSan Mateo, Vereinigte Staaten
LLM-Daten-Trainer
SuperAnnotate
- Nutzung der SuperAnnotate-Plattform zur Gestaltung strukturierter Prompts und Antworten für das LLM-Verhaltenstraining in verschiedenen Reasoning- und Zusammenfassungsaufgaben
- Training und Evaluierung von Inhaltsklassifizierungsmodellen mit bezogenen und kuratierten Daten zur Verbesserung von Faktentreue, Nützlichkeit und Nutzerrelevanz
- Erstellung und Verfeinerung mehrstufiger Konversationsabläufe zur Verbesserung der Gesprächsnatur und Persona-Kohärenz für interaktive KI-Assistenten
- Verfassen interner Richtlinien für Annotation und Prompt-Design zur Gewährleistung von Konsistenz in Ton, Antwortformatierung und Reasoning-Treue
- Bereichsübergreifende Zusammenarbeit zur Verbesserung von Datenqualitäts-Pipelines und Erzielung messbarer Verbesserungen in Modellkonsistenz und Feintuning-Bereitschaft
Feb. 2022 - Mai 2022
4 MonatenBern, Schweiz
Medizinischer Datenannotator
RetinAI Medical
- Annotation und Validierung groß angelegter medizinischer Datensätze für Computer-Vision-Modelle in der Ophthalmologie und diagnostischen KI-Forschung
- Klassifikation klinischer Bild- und Textdaten mit hoher Präzision, Erreichung hoher Inter-Annotator-Zuverlässigkeit bei komplexen medizinischen Attributen
- Validierung von Inhaltsklassifikationsergebnissen anhand medizinischer Genauigkeitsstandards zur Einhaltung von Healthcare-Datenrichtlinien
- Identifizierung kritischer diagnostischer Trends in Datensätzen zur Unterstützung des Modellretrainings und Verbesserung der Früherkennung von Erkrankungen
- Beitrag zur Modell-Pipeline-Bereitschaft durch Sicherstellung, dass Datensätze regulatorische und Qualitätsanforderungen für die Integration in Healthcare-Workflows erfüllen
Feb. 2021 - Nov. 2023
2 Jahren 10 MonatenDatenlabeler (interner Prüfer)
Focal Systems
- Verbesserte KI-Systeme für Retail-Automatisierung, indem ich Computervisionsmodelle mit über 2 Millionen annotierten Bildern trainierte, die Produkte, Compliance-Muster und Bestandsdaten abdecken
- Führte hochpräzise QA- und interne Review-Zyklen durch, wodurch die Genauigkeit der für die Retail-Digitalisierung eingesetzten Deep-Learning-Modelle verbessert wurde
- Entwarf Workflows zur Validierung von Annotationen, die die Durchlaufzeit für Klassifizierungen um 25% reduzierten und dabei eine Prüfgenauigkeit von über 98% beibehielten
- Optimierte Pipelines zur Produkterkennung, indem ich Objektlokalisierungs- und visuelle Klassifizierungsstandards verfeinerte, und unterstützte damit skalierbare kommerzielle Einsätze
- Arbeitete mit Data Scientists und Ingenieuren zusammen, um feedbackbasierte Retraining-Schleifen einzurichten und so eine kontinuierliche Verbesserung der Modellgenauigkeit zu erzielen
Aug. 2020 - Feb. 2021
7 MonatenCape Town, Südafrika
Datenlabeler
Enlabeler
- Kennzeichnete und klassifizierte umfangreiche mehrsprachige Datensätze für Machine-Learning-Modelle in visuellen und textbasierten Inhaltsbereichen
- Implementierte QA- und Verifizierungsstandards, um eine ausgeglichene Datensatzrepräsentation und Modellfairness über alle Inhaltstypen sicherzustellen
- Straffte interne Labeling-Workflows, reduzierte Redundanzen und steigerte den Annotation-Durchsatz um 20%
- Arbeitete mit globalen Datenteams zusammen, um Klassifikationsergebnisse an kundenspezifische Taxonomien und Domänenontologien anzupassen
- Anerkannt für Präzision und Konsistenz in der frühphasigen Entwicklung von KI-Modellen über verschiedene Labeling-Projekte hinweg
Juni 2020 - Juni 2021
1 Jahr 1 MonatePalo Alto, Vereinigte Staaten
Kartendaten-Annotator
Gatik
- Annotierte große Mengen georäumlicher und Navigationsbilder zur Unterstützung von Wahrnehmungsmodellen für autonome Fahrzeuge
- Führte präzise Kennzeichnungen von Straßenelementen, Fahrbahnmarkierungen und Umweltmerkmalen durch, wodurch die Navigationszuverlässigkeit des Modells gesteigert wurde
- Wandte QA-Protokolle und mehrstufige Genauigkeitsprüfungen an und erzielte damit eine konstante Übereinstimmung mit sicherheitskritischen Annotierungsstandards
- Arbeitete mit Machine-Learning-Ingenieuren zusammen, um Frameworks zur Validierung von Kartendaten zu verbessern und so die Effizienz der Trainingsdatensätze zu steigern
- Hielt erstklassige Produktivitäts- und Genauigkeitskennzahlen aufrecht, was zu zusätzlichen Projektzuweisungen innerhalb der Annotationspipeline führte
Jan. 2020 - März 2020
3 MonatenGdańsk, Polen
Datenannotationsspezialist (NLP)
Tagtog
- Annotierte große Mengen an natürlichem Sprachtext, um strukturierte Datensätze für NLP- und semantische Suchmodelle zu erstellen
- Verbesserte die Genauigkeit der Inhaltskategorisierung durch detaillierte Entitätserkennung, Relationszuordnung und linguistisches Kontext-Tagging
- Trug zu Modellverfeinerungs- und Retraining-Zyklen bei und sorgte so für Datensatzdiversität und Übereinstimmung mit Benchmarks für Sprachmodelle
- Erstellte einen umfangreichen, hochwertigen Textkorpus, der das Feintuning von NLP-Modellen beschleunigte und die Relevanz von Klassifizierung und Suche verbesserte
- Arbeitete funktionsübergreifend mit Linguisten und Data Scientists zusammen, um Annotation-Workflows zu optimieren und eine konsistente Projektabwicklung sicherzustellen
Juli 2019 - Nov. 2019
5 MonatenHasselt, Belgien
Datenannotator
Humainly
- Kennzeichnete und klassifizierte umfangreiche visuelle Datensätze, um KI-Modelle für Inhaltserkennung, -entdeckung und Empfehlungssysteme zu trainieren
- Steigerte die Effizienz und den Durchsatz der Annotationen, indem ich Labeling-Workflows verfeinerte und Konsistenz über mehrere Aufgabenarten hinweg sicherstellte
- Sicherte erstklassige Datenintegrität durch strenge QA-Prüfungen und steigerte so die Modellleistung in Produktionsumgebungen
- Trug zur Skalierung der Annotierungsabläufe bei, indem die Aufgabenaufteilung optimiert und die Automatisierungsbereitschaft verbessert wurde
- Hielt Projektfristen mit außergewöhnlicher Genauigkeit ein und erhielt Anerkennung für Zuverlässigkeit und Konsistenz in Teams über mehrere Regionen hinweg
Juni 2018 - Nov. 2020
2 Jahren 6 MonatenNairobi, Kenia
Fachkraft für Dateneingabe
CloudFactory
- Unterstützte die KI-gesteuerten Automatisierungsabläufe von Just Appraised für Immobilien und Dokumente, indem ich Daten annotierte und validierte, um die Digitalisierung von Aufzeichnungen für Kreisgutachter und Immobiliendokumente zu verbessern
- Bearbeitete und prüfte Grundbuchurkunden, Eigentumsübertragungen, Genehmigungen und Indexierungsdaten und verbesserte die Dokumentenerkennung und Klassifikationsgenauigkeit um 28% durch optimiertes Metadaten-Tagging
- Verwendete Hudl und interne Annotationstools, um strukturierte und unstrukturierte Daten zu klassifizieren, und stellte die Einhaltung der domänenspezifischen Taxonomien und rechtlichen Indexierungsanforderungen von Just Appraised sicher
- Identifizierte und korrigierte Metadateninkonsistenzen in Tausenden von Immobilienakten und trug so zu einer 35%igen Reduzierung von Fehlerweitergaben beim Training und der Validierung von KI-Modellen bei
- Arbeitete mit Dateningenieuren und QA-Prüfern zusammen, um Validierungsabläufe zu optimieren, erreichte eine Kennzeichnungsgenauigkeit von über 99% und erfüllte wöchentliche Durchsatzziele für die Massenverarbeitung von Dokumenten
- Schulte neue Annotatoren in Dokumentenklassifizierungsstandards, Entitätenverknüpfung und OCR-basierten Validierungsprotokollen und verbesserte so die Qualitätsausrichtung zwischen den Teams um 25%
- Lieferte hochwertige Annotationsergebnisse unter engen Zeitvorgaben für Automatisierungsprojekte von Kommunalverwaltungen und unterstützte dabei über 300 Kunden aus US-Landkreisen
- Von den Projektleitern bei CloudFactory anerkannt für herausragende Datenintegrität, Bearbeitungseffizienz und proaktive Fehlererkennung in den Automatisierungspipelines von Just Appraised
Zusammenfassung
Ergebnisorientierter KI-Daten- und QA-Spezialist mit nachweislicher Expertise in LLM-Verhaltenstests, multimodaler Datenannotation und Bewertung von KI-Modell-Ergebnissen in den Bereichen Bildung, Produktivität und Verbrauchertechnologie. Bewährte Erfolge bei der Gestaltung skalierbarer Annotation-Systeme, Anwendung robuster Bewertungsrahmen und Sicherstellung einer Genauigkeit von über 98 % in komplexen multimodalen Datensätzen.
Anerkannt für Präzision und bereichsübergreifende Zusammenarbeit zur Verbesserung der Modell-Reasoning-Fähigkeit, Content-Sicherheit und Aufgabenkonformität. Erfahren in Taxonomie-Design, Evaluation der Konsistenz zwischen Builds, rubrikbasierter Bewertung und Prompt-Engineering zur Beurteilung und Optimierung der Leistung generativer Modelle. Fachkompetent im Einsatz strukturierter QA-Prozesse, Automatisierungstools und experimenteller Analyse zur messbaren Verbesserung der Datenqualität und Modellleistung.
Sprachen
Englisch
MutterspracheSuaheli
VerhandlungssicherAusbildung
Okt. 2013 - Juni 2017
Rongo University
Bachelor of Arts · Soziologie, Kriminologie und Gemeinwesenentwicklung · Kenia · Zweite obere Klasse mit Auszeichnung
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.