Gabin (Maxime) N.
Freiberuflicher Mathematikexperte für das Training von KI-Modellen
Erfahrungen
Okt. 2025 - Bis heute
3 MonatenDeutschland
Freiberuflicher Mathematikexperte für das Training von KI-Modellen
Outlier AI and Mindrift AI
- KI-Modelle trainiert, um spezialisierte reale Probleme zu lösen
- Forschungsorientierte Prompts auf Basis der Angewandten Mathematik entworfen und Bewertungsraster entwickelt, die konsequent das Modellverständnis und die Ausgabequalität verbessern
- Leistung, Genauigkeit und Zuverlässigkeit fortschrittlicher KI-Modelle bewertet
- Eng mit bereichsübergreifenden Entwicklungsteams zusammengearbeitet, um sicherzustellen, dass KI-Modelle den Industriestandards entsprechen, und um umsetzbare Erkenntnisse bereitzustellen
Apr. 2024 - Sept. 2025
1 Jahr 6 MonatenMünchen, Deutschland
Doktorandischer wissenschaftlicher Mitarbeiter und Lehrassistent
Ludwig-Maximilians-Universität München
- Beitrag zur Entwicklung eines ML-basierten Frameworks zur Anomalieerkennung geleistet, das Genauigkeit, Interpretierbarkeit und Fairness ausbalanciert und erklärbare KI-Lösungen im industriellen Energiemanagement ermöglicht
- Konvergenzverhalten des stochastischen Gradientenabstiegs im Deep Learning analysiert und optimale Bedingungen für Parameterinitialisierung sowie für abnehmende und adaptive Lernratenpläne ermittelt
- Stand-der-Technik-Ergebnisse zur mathematischen Grundlage des Deep Learning verbessert, indem die Lücke zwischen Theorie und Praxis geschlossen wurde, um effizientere Trainingsstrategien zu ermöglichen
- Hochleistungsrechenressourcen genutzt, um tiefe neuronale Netze zu trainieren, und theoretische Erkenntnisse validiert
- Tutorien zu den mathematischen Grundlagen von Machine Learning, Deep Learning und Optimierung durchgeführt und so die Ausbildung angehender Data Scientists unterstützt
Sept. 2019 - März 2024
4 Jahren 7 MonatenAachen, Deutschland
Doktorandischer wissenschaftlicher Mitarbeiter und Lehrassistent
RWTH Aachen
- Forschung zu gradientenbasierten Methoden für das Training tiefer neuronaler Netze unter konstanten und abnehmenden Lernraten durchgeführt
- Globale Konvergenz des Gradientenabstiegsalgorithmus für das Training linearer neuronaler Netze bewiesen, was zum Verständnis von Optimierungstechniken im Deep Learning beiträgt und effektive Modellentwicklung unterstützt
- Theoretische Ergebnisse durch Training tiefer neuronaler Netze mit synthetischen Daten validiert
- Tutorien zu kontinuierlicher Optimierung, Mathematik der Datenwissenschaft und Höherer Mathematik für Elektrotechnik durchgeführt
Juni 2018 - Mai 2019
1 JahrLimbe, Kamerun
Praktikant im Bereich Maschinelles Lernen
Group One Holding Company
- Maschinelles Lernen angewendet, um Anomalien in Kraftstoffverbrauchsdaten zu erkennen, den Verbrauch zu optimieren und Kraftstoffdiebstahl an Funkstandorten zu verhindern
- ML-Modelle, einschließlich neuronaler Netze, trainiert, mit dem Potenzial, bis zu 84.617 Liter Kraftstoff zu sichern
- Prädiktive ML-Modelle in eine Webanwendung integriert, die die Visualisierung und Überwachung des monatlichen Kraftstoffverbrauchs jeder Station ermöglicht
- Konsistente und sichere Code-Historie durch Synchronisierung lokaler und entfernter Repositorys mit Git gepflegt
Zusammenfassung
Forscher im Bereich Angewandte Mathematik mit über 6 Jahren Erfahrung in Machine Learning (ML), Deep Learning, Data Science und Optimierung. Versiert in der Analyse gradientenbasierter Methoden für tiefe neuronale Netze und damit beitragend zu effizientem Modelltraining. Erfahren darin, komplexe theoretische Erkenntnisse in praxisnahe Entscheidungen zu übersetzen, mit erfolgreichen ML-Anwendungen zur Vorhersage des Kraftstoffverbrauchs und zur Anomalieerkennung in Telekom-Basisstationen sowie zur Steigerung von Fairness und Leistung in erklärbarer KI für Kraftwerksanlagen.
Fähigkeiten
- Programmiersprachen: Python (Fortgeschritten), Matlab (Fortgeschritten)
- Experimente: Cuda, Hochleistungsrechnen (Hpc), Parallelprogrammierung
- Data Science & Maschinelles Lernen: Pytorch, Scikit-learn, Container (Docker, Enroot), Ml-workflows, Generative Ki, Llms, Hugging Face Bibliotheken, Projektplanung Und -Design, Pandas, Transformers
- Cloud-technologien: Amazon Web Services, Google Cloud Vertex Ai
- Kooperative Arbeitsweise Und Bereichsübergreifende Teamarbeit
- Problemlösungsfähigkeit Und Anpassungsfähigkeit An Neue Technologien
- Konzeptuelles Und Analytisches Denken
- Hohes Verantwortungsbewusstsein Und Integrität
- Mentoring Und Wissenstransfer
- Effektive Wissenschaftliche Und Technische Kommunikation
Sprachen
Französisch
MutterspracheDeutsch
VerhandlungssicherEnglisch
VerhandlungssicherAusbildung
Sept. 2019 - Sept. 2025
Ludwig-Maximilians-Universität München und RWTH Aachen
Promotion, Optimierung für das Training tiefer neuronaler Netze · Angewandte Mathematik · Aachen, Deutschland
Aug. 2017 - Feb. 2019
African Institute for Mathematical Sciences (AIMS)
Kooperativer Master, Maschinelles Lernen · Industriemathematik · Limbe, Kamerun
Okt. 2016 - Nov. 2018
University of Yaounde I
Master, Dynamische Systeme und Modellierung · Angewandte Mathematik · Yaoundé, Kamerun
...und 2 Weitere
Zertifikate & Bescheinigungen
Modellparallelismus: Aufbau und Einsatz großer neuronaler Netze
Generative KI mit Diffusionsmodellen
Generative KI mit großen Sprachmodellen
Machine Learning Engineering für Produktion (MLOps) Spezialisierung
Strukturierung von Machine-Learning-Projekten
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.