Dennis K.
KI-Linguistische Annotationsspezialist
Erfahrungen
Juli 2025 - Juli 2025
1 MonateKI-Linguistische Annotationsspezialist
Argos Multilingual
- Überprüfung und Neuannotation von 264.000 Wörtern englischer literarischer Texte zur Sicherstellung einer genauen Identifikation von Figuren-Dialogen, präzisen Abgrenzungen und konsistenter Tag-Ausrichtung
- Überprüfung und Korrektur KI-generierter Dialogabschnitte, um sicherzustellen, dass Anführungszeichen und Sprachabgrenzungen korrekt innerhalb von Figuren-Tags umschlossen sind, wodurch die Genauigkeit der Dialogabschnitte um 35 % gesteigert wurde
- Abgleich und Erweiterung der Figurenliste durch Aktualisierung von Aliasnamen, Geschlecht und beschreibenden Metadaten, um kanonische Konsistenz zu wahren und falsche Zuordnungen zu vermeiden
- Unterscheidung von gesprochener Sprache, Nachahmungen und Gruppendialogen von Erzählungen oder inneren Monologen, um die Datenzuverlässigkeit für nachgelagerte NLP-Modelltrainings zu stärken
- Durchführung kontextsensitiver Analysen unter Bezugnahme auf vorherige und nachfolgende Kapitel, um mehrdeutige oder implizite Sprecher präzise zuzuordnen
- Anwendung strenger QA-Checklisten zur Validierung der Tag-Vollständigkeit, Figurenpräzision und Annotierungsabdeckung gemäß den Richtlinien für Figuren-Dialogannotation
- Einsatz der Argos-Annotationsportal-Tools (Tag-Paar-Bearbeitung, Alias-Suche und Live-Metadaten-Aktualisierungen) zur Optimierung des Workflows und Steigerung des Annotationsdurchsatzes
- Zusammenarbeit mit dem Projektmanager zur Integration von Feedback-Schleifen, die eine Kennzeichnungsgenauigkeit von über 99 % und Rubriken-Konformität bei allen Einreichungen gewährleisteten
- Termingerechte Lieferung aller Annotationen mit herausragender Genauigkeit, QA-Disziplin und Zeitmanagement-Fähigkeit
- Anerkennung durch die Argos-Projektleitung für vorbildliche Datenqualität, kontextuelles Verständnis und Beitrag zu den preisgekrönten Bewertungsmaßstäben des Projekts
Juli 2024 - Bis heute
1 Jahr 6 MonatenLondon, Vereinigtes Königreich
KI-Daten-Spezialist
GoodNotes
- Entwicklung strukturierter Annotationsrahmen, die die Empfehlungsgenauigkeit in Content-Discovery-Modellen um 25 % verbesserten
- Leitung von End-to-End-Datenkennzeichnung, Inhaltsevaluation und Verhaltens-Tests von Modellen zur Unterstützung KI-gestützter Notiz- und Produktivitätssysteme
- Konzeption und Durchführung von Evaluierungsexperimenten für LLMs zur Bewertung von Argumentationsgenauigkeit, Faktentreue, Zusammenfassungsqualität und multimodaler Kohärenz
- Entwicklung skalierbarer Annotations-Workflows mit automatisierten Validierungsprüfungen und Reviewer-Kalibrierungssystemen, wodurch der Evaluierungsdurchsatz um 30 % stieg
- Durchführung von A/B-Tests und Regressionsanalysen in Projekten zur Erkennung von Verhaltensdrift und Verfeinerung der Leistung generativer Modelle
- Erstellung rubrikbasierter Bewertungssysteme und QA-Vorlagen zur Messung von Prompt-Treue, Abdeckung und Inhaltsicherheit bei Text-, Bild- und Audioaufgaben
- Leitung plattformübergreifender Evaluierungsinitiativen zur Standardisierung der Annotationslogik und Gewährleistung der Konsistenz zwischen Builds
- Zusammenarbeit mit Forschungs- und Engineering-Teams zur Anwendung von Prompt-Verfeinerungen und Cross-Build-Tests, was zu einer 25 %igen Verbesserung der Modellantwortgenauigkeit führte
- Verfassen strukturierter Evaluierungsberichte, die Qualitätstrends, Bewertungserteilungen und Erkenntnisse zusammenfassen, die Feintuning und Richtlinienaktualisierungen unterstützen
- Betreuung und Schulung bereichsübergreifender Reviewer zur Wahrung der Rubriken-Genauigkeit und Sicherstellung einheitlicher QA-Praktiken in multimodalen und mehrsprachigen Datensätzen
- Aufrechterhaltung einer Aufgabenabschlussrate von über 99 % mit rekordverdächtiger Genauigkeit und Präzision in allen Evaluierungszyklen
Juni 2024 - Feb. 2025
9 MonatenBoca Raton, Vereinigte Staaten
Datenannotationsspezialist
e2f, inc.
- Bewertung von LLM-generierten Antworten anhand von fünf Qualitätsdimensionen zur Sicherstellung der Datensatzkonsistenz für Trainingszwecke
- Bewertung und Annotation multimodaler KI-Daten in Text-, Bild- und Videodimensionen mit Qualitätsmetriken wie Nützlichkeit, Relevanz, Vollständigkeit und Nutzwert zur Verbesserung von Entdeckungs- und Argumentationsgenauigkeit
- Durchführung von Präferenzrankings, interaktiven Dialogbewertungen und retrieval-unterstützter Antwortverifikation zur Bewertung faktischer Konsistenz und Modellverankerung
- Entwurf und Anwendung von persona-basierten Evaluierungs-Prompts und mehrstufigen Argumentationsszenarien zur Stärkung der kontextuellen Ausrichtung und Benutzererfahrung in konversationalen KI-Systemen
- Implementierung strukturierter Bewertungssysteme und QA-Richtlinien zur Gewährleistung von Klassifizierungsgenauigkeit, Datenkonsistenz und Abstimmung auf projektspezifische Benchmarks
- Durchführung räumlich-zeitlicher und Entitätserkennungsanalysen in videobasierten Annotations-Workflows, um Genauigkeit in Argumentation, Ereignisreihenfolge und Kontextverständnis zu gewährleisten
- Durchführung von Inhaltskorrektheitsprüfungen, Zitationsverifikationen und Behauptungsgenauigkeitsprüfungen, um Halluzinationen und Argumentationslücken in LLM-Ausgaben zu identifizieren
- Zusammenarbeit mit bereichsübergreifenden QA-Teams zur Verbesserung der Annotationsstandardisierung, wodurch die Inter-Annotator-Übereinstimmung um 20 % stieg und eine Prüfungspräzision von über 99 % aufrechterhalten wurde
- Kontinuierliche Übererfüllung von Durchsatz- und Qualitätszielen, Beitrag zur Bereitstellung groß angelegter Daten für das Feintuning und Verhaltensevaluation von Modellen der nächsten Generation
Mai 2024 - Mai 2024
1 MonateSan Mateo, Vereinigte Staaten
LLM-Datentrainer
SuperAnnotate
- Nutzung der SuperAnnotate-Plattform zur Gestaltung strukturierter Prompts und Antworten für das LLM-Verhaltenstraining in verschiedenen Argumentations- und Zusammenfassungsaufgaben
- Training und Evaluierung von Inhaltsklassifikationsmodellen mit beschafften und kuratierten Daten zur Verbesserung der Faktentreue, Nützlichkeit und Nutzerrelevanz
- Erstellung und Verfeinerung mehrstufiger Konversationsabläufe zur Verbesserung der Dialognaturalität und Persona-Kohärenz für interaktive KI-Assistenten
- Erstellung interner Annotations- und Prompt-Design-Standards zur Sicherstellung von Konsistenz in Tonfall, Antwortformatierung und Argumentationstreue
- bereichsübergreifende Zusammenarbeit zur Optimierung von Datenqualitäts-Pipelines, dabei messbare Verbesserungen in Modellkonsistenz und Feintuning-Bereitschaft erzielt
Feb. 2022 - Mai 2022
4 MonatenBern, Schweiz
Medizinischer Datenannotator
RetinAI Medical
- Annotationen und Validierung groß angelegter medizinischer Datensätze für Computer-Vision-Modelle zur Unterstützung der Augenheilkunde und diagnostischer KI-Forschung
- Präzise Klassifizierung klinischer Bild- und Textdaten mit hoher Inter-Annotator-Zuverlässigkeit bei komplexen medizinischen Merkmalen
- Validierung von Inhaltsklassifikationsergebnissen anhand medizinischer Genauigkeitsmaßstäbe zur Einhaltung von Gesundheitsdatenstandards
- Identifizierung kritischer diagnostischer Trends in Datensätzen zur Unterstützung des Modellretrainings und Verbesserung der Leistung bei der Früherkennung von Krankheiten
- Beitrag zur Einsatzbereitschaft von Modellpipelines durch Sicherstellung, dass Datensätze regulatorische und Qualitätsanforderungen für die Integration in Gesundheitsabläufe erfüllen
Feb. 2021 - Nov. 2023
2 Jahren 10 MonatenDaten-Labeler (Interner Prüfer)
Focal Systems
- Verbesserte KI-Systeme zur Einzelhandelsautomatisierung durch Training von Computer-Vision-Modellen mit über 2 Millionen gelabelten Bildern, die Produkte, Compliance-Muster und Bestandsdaten abdecken
- Führte hochpräzise QA- und interne Überprüfungszyklen durch und steigerte die Genauigkeit von Deep-Learning-Modellen für die Einzelhandelsdigitalisierung
- Entwickelte Validierungs-Workflows für Annotationen, die die Klassifizierungsdurchlaufzeiten um 25 % verkürzten und dabei eine Prüfgenauigkeit von über 98 % beibehielten
- Optimierte Produkt-Erkennungspipelines durch Verfeinerung der Objektlokalisierung und visueller Klassifikationsstandards, um skalierbare kommerzielle Einsätze zu unterstützen
- Arbeitete mit Data Scientists und Ingenieuren zusammen, um feedbackgesteuerte Retraining-Schleifen zu etablieren und dauerhafte Verbesserungen der Modellgenauigkeit voranzutreiben
Aug. 2020 - Feb. 2021
7 MonatenCape Town, Südafrika
Daten-Labeler
Enlabeler
- Gelabelt und klassifiziert große mehrsprachige Datensätze für Machine-Learning-Modelle in visuellen und textbasierten Inhaltsbereichen
- Implementierte QA- und Verifikationsstandards, um eine ausgewogene Datensatzrepräsentation und Fairness der Modelle über alle Inhaltstypen hinweg sicherzustellen
- Straffte interne Labeling-Workflows, reduzierte Redundanzen und erhöhte den Annotation-Durchsatz um 20 %
- Arbeitete mit globalen Datenteams zusammen, um Klassifikationsergebnisse mit kundenspezifischen Taxonomien und Domain-Ontologien abzugleichen
- Anerkannt für Präzision und Konsistenz in der frühen KI-Modellentwicklung über verschiedene Labeling-Projekte hinweg
Juni 2020 - Juni 2021
1 Jahr 1 MonatePalo Alto, Vereinigte Staaten
Kartendaten-Annotierer
Gatik
- Annotierte große Mengen geospatialer und Navigationsbilder zur Unterstützung von Wahrnehmungsmodellen autonomer Fahrzeuge
- Erstellte präzise Beschriftungen für Straßenmerkmale, Fahrbahnmarkierungen und Umweltindikatoren und steigerte so die Navigationszuverlässigkeit der Modelle
- Wandte QA-Protokolle und mehrstufige Genauigkeitsprüfungen an und erreichte eine durchgängige Übereinstimmung mit sicherheitskritischen Annotationsstandards
- Arbeitete mit Machine-Learning-Ingenieuren zusammen, um Validierungsframeworks für Kartendaten zu verbessern und die Effizienz der Trainingsdatensätze zu steigern
- Hielt erstklassige Produktivitäts- und Genauigkeitskennzahlen aufrecht und erhielt zusätzliche Projektzuweisungen innerhalb der Annotation-Pipeline
Jan. 2020 - März 2020
3 MonatenGdańsk, Polen
Datenannotation-Spezialist (NLP)
Tagtog
- Annotierte große Mengen natürlichsprachlichen Texts, um strukturierte Datensätze für NLP- und semantische Suchmodelle zu erstellen
- Steigerte die Genauigkeit der Inhaltskategorisierung durch detaillierte Entitätserkennung, Beziehungszuordnung und Kennzeichnung des linguistischen Kontexts
- Trug zu Modellverfeinerung und Retraining-Zyklen bei, um Datensatzvielfalt und Ausrichtung an Benchmark-Vorgaben für Sprachmodelle zu gewährleisten
- Erstellte ein umfangreiches, hochwertiges Textkorpus, das das Tuning von NLP-Modellen beschleunigte und die Klassifikations- sowie Suchrelevanz verbesserte
- Arbeitete bereichsübergreifend mit Linguisten und Data Scientists zusammen, um Annotation-Workflows zu optimieren und eine konsistente Projektauslieferung sicherzustellen
Juli 2019 - Nov. 2019
5 MonatenHasselt, Belgien
Datenannotierer
Humainly
- Kennzeichnete und klassifizierte umfangreiche visuelle Datensätze zum Training von KI-Modellen für Inhaltserkennung, -entdeckung und Empfehlungssysteme
- Steigerte die Annotationseffizienz und den Durchsatz durch Optimierung der Labeling-Workflows und Sicherstellung von Konsistenz über verschiedene Aufgabenbereiche hinweg
- Gewährleistete höchste Datenintegrität durch Anwendung rigoroser QA-Prüfungen und steigerte so die Modellgenauigkeit in Produktionsumgebungen
- Trug zur Skalierung der Annotierungsprozesse bei, indem Aufgaben segmentiert und die Automatisierungsbereitschaft optimiert wurden
- Hielt Projekttermine mit außergewöhnlicher Genauigkeit ein und wurde für Zuverlässigkeit und Konsistenz in multi-regionalen Teams ausgezeichnet
Juni 2018 - Nov. 2020
2 Jahren 6 MonatenNairobi, Kenia
Spezialist für Dateneingabe
CloudFactory
- Unterstützte die KI-gestützten Automatisierungsabläufe von Just Appraised für Immobilien und Dokumente, indem ich Daten annotierte und validierte, um die Digitalisierung von Unterlagen für Gutachterbehörden auf Kreisebene und Immobiliendokumentationen zu verbessern
- Bearbeitete und überprüfte Grundstücksurkunden, Eigentumsübertragungen, Genehmigungen und Indexierungsdaten und verbesserte die Dokumentenerkennungs- und Klassifizierungsgenauigkeit um 28% durch verfeinertes Metadaten-Tagging
- Setzte Hudl und unternehmensinterne Annotationswerkzeuge ein, um strukturierte und unstrukturierte Daten zu klassifizieren und die Einhaltung der domänenspezifischen Taxonomien und rechtlichen Indexierungsanforderungen von Just Appraised sicherzustellen
- Identifizierte und korrigierte Metadateninkonsistenzen in Tausenden von Immobilieneinträgen, was zu einer 35%igen Reduzierung der nachgelagerten Fehlerausbreitung beim KI-Modelltraining und der Validierung beitrug
- Arbeitete mit Dateningenieuren und QA-Prüfern zusammen, um Validierungsabläufe zu optimieren, erreichte eine Kennzeichnungsgenauigkeit von über 99% und erfüllte wöchentliche Durchsatzvorgaben für die Massenverarbeitung von Dokumenten
- Schulte neue Annotatoren in Dokumentklassifizierungsstandards, beim Entity Linking und in OCR-basierten Validierungsprotokollen und verbesserte so die teamübergreifende Qualitätsabstimmung um 25%
- Lieferte hochwertige Annotationsergebnisse unter engen Zeitvorgaben für Automatisierungsprojekte der lokalen Verwaltung, die von über 300 US-County-Kunden genutzt werden
- Wurde von den Projektleitern von CloudFactory für exzellente Datenintegrität, effiziente Bearbeitungszeiten und proaktive Fehlererkennung in den Automatisierungspipelines von Just Appraised ausgezeichnet
Zusammenfassung
Ergebnisorientierter KI-Daten- und QA-Spezialist mit nachgewiesener Expertise in LLM-Verhaltens-Tests, multimodaler Datenannotation und Bewertung von KI-Modellausgaben in den Bereichen Bildung, Produktivität und Konsumententechnologie. Nachgewiesene Erfolge bei der Entwicklung skalierbarer Annotationssysteme, der Anwendung robuster Bewertungsrahmen und der Sicherstellung einer Genauigkeit von über 98 % bei komplexen multimodalen Datensätzen.
Anerkannt für Präzision und bereichsübergreifende Zusammenarbeit zur Verbesserung der Argumentationsgenauigkeit von Modellen, der Inhaltsicherheit und der Einhaltung von Aufgabenanforderungen. Versiert im Design von Taxonomien, der Bewertung der Konsistenz zwischen Builds, der punktebasierten Bewertung anhand von Rubriken und im Prompt-Engineering, um die Leistung generativer Modelle zu bewerten und zu verfeinern. Erfahren in der Nutzung strukturierter QA-Prozesse, Automatisierungstools und experimenteller Analysen, um messbare Verbesserungen in Datenqualität und Modellleistung zu erzielen.
Sprachen
Englisch
MutterspracheSuaheli
VerhandlungssicherAusbildung
Okt. 2013 - Juni 2017
Rongo University
Bachelor of Arts · Soziologie, Kriminologie und Gemeindeentwicklung · 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.