Felix Brunner
Maschinenstatus-Erkennung im industriellen 3D-Druck anhand von Infrarot-Bilddaten
Erfahrungen
Okt. 2021 - Sept. 2023
2 JahrenMaschinenstatus-Erkennung im industriellen 3D-Druck anhand von Infrarot-Bilddaten
- Ausgangslage: Der Kunde hat Infrarotkameras in den Produktionsmaschinen installiert, um manuell zu überwachen.
- Ziel: Den Prozess automatisiert überwachen, um Unregelmäßigkeiten in Live-Bildern zu erkennen.
- Aktivitäten: Ich war in diesem Projekt als Machine-Learning-Entwickler und Projektkoordinator tätig:
- Systematische Datenerfassung und -vorverarbeitung für die Machine-Learning-Algorithmen angeleitet.
- Den Labeling-Prozess definiert und eine Schnittstelle zur Annotation der Datensätze implementiert.
- Einen visuellen Deep-Learning-Algorithmus programmiert, um Verschmutzungen an Maschinen in der Live-Produktion zu erkennen.
- Data-Augmentation-Techniken implementiert, um Maschinenheterogenität zu adressieren.
- Ein containerisiertes Modell mit API-Endpunkten bereitgestellt, für den Einsatz in den Produktionsmaschinen.
- Ein fünfköpfiges Projektteam koordiniert und vertreten, Präsentationen und Berichte erstellt.
- Ergebnis: Ein produktionsbereites System bereitgestellt, das Bediener in Echtzeit über potenzielle Fehler informiert.
- Stack:
- PyTorch
- Convolutional Neural Networks
- docker
- git
- OpenCV
- FastAPI
- computer vision
- pytorch-lightning
- ipywidgets
Okt. 2021 - Sept. 2023
2 JahrenQualitätsvorhersage basierend auf Zeitreihendaten im Fertigungskontext
- Ausgangslage: Eine Vielzahl von Sensoren erhebt Zeitreihendaten aus Produktionsmaschinen in hoher Frequenz.
- Ziel: Muster in den Daten identifizieren, die mit der Endproduktqualität zusammenhängen.
- Aktivitäten: Ich habe in diesem Projekt als Machine-Learning-Entwickler und Projektkoordinator gearbeitet:
- Große Mengen an Zeitreihendaten analysiert und visualisiert.
- Verschiedene Datenquellen erkundet, gefiltert und miteinander verknüpft, um konsistente Datensätze zu erstellen.
- Datenpipelines und Modellierungsansätze konzipiert.
- Ein Machine-Learning-System zur Qualitätsvorhersage im Fertigungskontext implementiert.
- Verschiedene prädiktive Algorithmen getestet, darunter statistische Modelle und tiefe neuronale Netze.
- Ergebnis: Qualitative Erkenntnisse gewonnen, um Prozessingenieure bei der Optimierung der Produktion zu unterstützen.
- Stack:
- PyTorch
- CNNs / ROCKET model
- data wrangling
- git
- time series classification
- explainable AI
Mai 2021 - Sept. 2023
2 Jahren 5 Monaten Berlin, Deutschland
Machine-Learning-Wissenschaftler
dida Machine Learning
- Deep-Learning-Forschungsprojekte in Computer Vision und Zeitreihen durchgeführt.
- Kommerzielle Machine-Learning-Software im Fertigungskontext implementiert.
- Datenverarbeitungspipelines für den Einsatz in der Live-Produktion entwickelt.
- Konzeption der Anwendung großer Sprachmodelle für Question Answering.
- Ein fünfköpfiges Projektteam vertreten und organisiert.
- Analysen und Visualisierungen großer Mengen unstrukturierter Daten erstellt.
Mai 2021 - Aug. 2023
2 Jahren 4 MonatenAutomatisierte Fragebeantwortung durch Abruf interner Dokumente
- Ausgangslage: Mitarbeitende durchsuchen manuell interne Dokumentationen nach Informationen.
- Ziel: Chatbot für Fragebeantwortung (QA) in die Kommunikationsplattform des Unternehmens integrieren.
- Aktivitäten: Ich habe dieses Projekt als Machine-Learning-Scientist unterstützt:
- Eine Demo für extraktive QA basierend auf einem bereitgestellten Dokument erstellt.
- Ein Proof-of-Concept für automatische Fragebeantwortung (QA) mit semantischer Suche entwickelt.
- Verarbeitungspipeline auf größere Mengen interner Dokumente erweitert, mit automatischem Dokumentenabruf und generativer QA durch große Sprachmodelle (LLMs).
- Die Entwickler über aktuelle Fortschritte im NLP informiert.
- Ergebnis: Responsiven Chatbot für dokumentbasierte extraktive QA allen Mitarbeitenden zur Verfügung gestellt.
- Stack:
- transformers
- haystack
- LLMs
- document retrieval
- semantic search
- question answering
- BERT
- git
- beautifulsoup4
Mai 2020 - Dez. 2023
3 Jahren 8 Monaten Lisbon, Portugal
Schätzung und Analyse von Varianzspillover-Netzwerken in der akademischen Forschung
- Ausgangslage: Bestehende Methoden zur Netzwerkschätzung funktionieren zuverlässig nur bei kleinen Datensätzen.
- Ziel: Anwendung von Machine-Learning-Methoden zur Analyse großer Datenmengen aus Wirtschafts- und Finanzdaten.
- Aktivitäten: Ich habe dieses Projekt als Ökonometrie-Forscher durchgeführt:
- Verschiedene statistische Lernalgorithmen für multivariate Prognosen untersucht und verglichen.
- Datensätze aus SQL-Datenbanken beschafft und eine automatisierte Vorverarbeitungspipeline eingerichtet.
- Objektorientierten Code geschrieben, um cross-validierte, regularisierte Machine-Learning-Algorithmen auszuführen.
- Umfangreiche statistische und ökonometrische Analysen durchgeführt, um die Ergebnisse empirisch zu untersuchen.
- Forschungspapiere verfasst, die die Ergebnisse auf akademischem Standard präsentieren.
- Ergebnis: Anerkanntes Paper in Quantitative Economics veröffentlicht, Folgeartikel in Begutachtung.
- Stack:
- pandas / numpy
- time series forecasting
- scikit-learn
- python
- SQL
- glmnet
- econometrics
- vector auto-regression
- networkx
Sept. 2017 - Feb. 2022
4 Jahren 6 Monaten Lisbon, Portugal
Lehrassistent
Universidade Nova de Lisboa
- Unterstützung bei Lehre und Bewertung von Masterkursen in der Finanzdatenanalyse.
- Kursmaterialien, Aufgaben und Prüfungen erstellt.
Juli 2015 - Nov. 2015
5 Monaten München, Deutschland
Praktikant im Bereich Quantitative Strategien
risklab / Allianz Global Investors
- Datengetriebene Analysen zur Fondsperformance und Portfoliooptimierung durchgeführt.
- Prototypen für Investmentstrategien in Matlab und VBA für Excel erstellt.
- Zeitreihen mit regularisierten Regressionen und Szenariosimulationen modelliert.
März 2014 - Aug. 2014
6 Monaten Münster, Deutschland
Praktikant im Projektmanagement
zeb Consulting
- Präsentationen für das Senior Management erstellt, um ein IT-Projekt im Risikomanagement zu steuern.
Zusammenfassung
Spezialist für Machine Learning mit Erfahrung in kommerziellen und akademischen Projekten. Meine Hauptkompetenz liegt in der Umsetzung von KI-Projekten in den Bereichen Computer Vision, Zeitreihenanalyse und NLP mithilfe von Deep-Learning-Methoden.
Sprachen
Deutsch
Muttersprache
Englisch
Verhandlungssicher
Französisch
Grundkenntnisse
Portugiesisch
Grundkenntnisse
Ausbildung
Sept. 2016 - Apr. 2024
Nova SBE
PhD · Ökonometrie · Lisbon, Portugal
Sept. 2014 - Mai 2016
Nova SBE
MSc · Finanzen · Lisbon, Portugal
Okt. 2010 - Mai 2014
WU Vienna
BSc · Internationale Betriebswirtschaftslehre · Wien, Österreich
Zertifikate & Bescheinigungen
Data Science Bootcamp
Lisbon Data Science Academy
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.