Geraldine Castillo - Solution Engineer (Daten- & ML-Integration)

Q: Wo ist Geraldine ansässig?

Geraldine ist in Regensburg, Deutschland ansässig.

Q: Welche Sprachen spricht Geraldine?

Geraldine spricht folgende Sprachen: Tagalog (Muttersprache), Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse) .

Q: Wie viele Jahre Erfahrung hat Geraldine?

Geraldine hat mindestens 7 Jahre Erfahrung. In dieser Zeit hat Geraldine in mindestens 5 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 5 Monate . Beachten Sie, dass Geraldine möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Geraldine?

Die neueste Position von Geraldine ist Solution Engineer (Daten- & ML-Integration) bei Amadeus Data Processing GmbH .

Q: Für welche Unternehmen hat Geraldine in den letzten Jahren gearbeitet?

In den letzten Jahren hat Geraldine für Amadeus Data Processing GmbH , IQ-EQ Global Investor Services , Ernst and Young (EY) und Infor gearbeitet.

Q: In welchen Industrien hat Geraldine die meiste Erfahrung?

Geraldine hat die meiste Erfahrung in Industrien wie Informationstechnologie , Professionelle Dienstleistungen und Einzelhandel . Geraldine hat auch etwas Erfahrung in Tourismus und Bank- und Finanzwesen .

Q: In welchen Bereichen hat Geraldine die meiste Erfahrung?

Geraldine hat die meiste Erfahrung in Bereichen wie Business Intelligence , Informationstechnologie und Lieferkettenmanagement . Geraldine hat auch etwas Erfahrung in Finanzen .

Q: In welchen Industrien hat Geraldine kürzlich gearbeitet?

Geraldine hat kürzlich in Industrien wie Informationstechnologie , Professionelle Dienstleistungen und Tourismus gearbeitet.

Q: In welchen Bereichen hat Geraldine kürzlich gearbeitet?

Geraldine hat kürzlich in Bereichen wie Business Intelligence , Informationstechnologie und Finanzen gearbeitet.

Recommended expert

Regensburg, Deutschland

Erfahrungen

Mai 2025 - Bis heute

11 Monate

Erding, Deutschland

Solution Engineer (Daten- & ML-Integration)

Amadeus Data Processing GmbH

Entwarf ML-fähige Datenintegrations-Workflows zwischen On-Premise-Systemen und Cloud-Plattformen (Snowflake, AWS Redshift, Azure) und ermöglichte so skalierbares Feature Engineering und Deployment von Modellen
Implementierte automatisierte ML-Pipeline-Bereitstellung mit Python, SQL und CI/CD-Tools und reduzierte die Modellbereitstellungszeit um 60 %
Entwickelte Logik zur Datenumwandlung für die Stammdatensynchronisation zwischen ERP- und Analysesystemen und sicherte so die Datenqualität für prädiktive Modelle
Arbeitete mit funktionsübergreifenden Teams zusammen, um Geschäftsanforderungen in mathematische Spezifikationen für ML-Lösungen zu übersetzen

Juli 2024 - Feb. 2025

8 Monate

Philippinen

Senior Data Scientist und ML-Ingenieur

IQ-EQ Global Investor Services

Entwickelte und validierte prädiktive Modelle für Kundensegmentierung und Umsatzprognosen mit Ensemble-Methoden (XGBoost, Random Forest) und erreichte eine Genauigkeit von 85 %
Setzte fortgeschrittene Techniken der statistischen Modellierung (Bayessche Inferenz, multivariate Regression) ein, um Preisstrategien zu optimieren, und trug so zu einem Umsatzwachstum von 12 % bei
Operationalisierte ML-Modelle auf der Azure-ML-Plattform und implementierte automatisierte Retraining-Pipelines sowie Monitoring-Dashboards
Integrierte ERP-Daten mit Cloud-Analytics-Plattformen und verarbeitete komplexe, verteilte Datenquellen für die Feature-Generierung
Führte Hyperparameter-Tuning und Kreuzvalidierung zur Optimierung von Modellen durch und verbesserte den F1-Score um 18 %

Dez. 2022 - Juli 2024

1 Jahr 8 Monate

Philippinen

Data Scientist & ML-Spezialist

Ernst and Young (EY)

Entwickelte produktionsreife ML-Modelle mit TensorFlow und PyTorch zur Vorhersage von Kundenabgängen, erreichte eine Recall-Rate von 89 % und verringerte die Abwanderung um 15 %
Wandte semi-überwachte Lernverfahren an, um unbeschriftete Daten zu nutzen, und verbesserte die Modellleistung mit wenigen gelabelten Daten um 22 %
Implementierte Zeitreihenprognosemodelle (Prophet, ARIMA, LSTM) zur Bedarfsprognose und erreichte eine MAE-Verbesserung von 35 % gegenüber der Basislinie
Entwarf und implementierte skalierbare ML-Infrastruktur auf Snowflake + AWS und verarbeitete täglich über 10 Mio. Kundeninteraktionen
Führte fortgeschrittenes Feature Engineering durch, inklusive Lag-Features, gleitenden Statistiken und Interaktionstermen, und generierte über 50 Features aus Rohdaten
Übersetzte komplexe betriebliche Optimierungsprobleme (Budgetallokation, Kampagnen-ROI) in mathematische Formulierungen und setzte Lösungen um
Verarbeitete semi-strukturierte Daten (JSON, Logs) aus verschiedenen Quellen mit PySpark für verteilte Verarbeitung und Modelltraining

Feb. 2020 - Dez. 2022

2 Jahren 11 Monate

Philippinen

Machine Learning Engineer

Infor

Entwickelte und operationalisierte Gradient-Boosting-Modelle (XGBoost, LightGBM) zur Vorhersage des Customer Lifetime Value und trug so zu einem Umsatzwachstum von 10 % bei
Entwickelte End-to-End-ML-Pipelines auf AWS (SageMaker, S3) und Snowflake, einschließlich Datenvorverarbeitung, Modelltraining und automatisierter Bereitstellung
Setzte Ensemble-Methoden ein, die mehrere Modelle kombinierten, um 92 % Genauigkeit in der Betrugserkennung zu erreichen und False Positives um 40 % zu reduzieren
Implementierte ein A/B-Test-Framework zur Modellevaluation, um statistische Signifikanz und Geschäftsauswirkungen von ML-Interventionen zu messen
Führte Datenaufbereitung auf komplexen, verteilten Datenquellen (ERP, E-Commerce, CRM) mit Python und SQL durch
Optimierte Hyperparameter mittels Grid Search und Bayes-Optimierung, reduzierte die Modelltrainingszeit um 50 % und steigerte gleichzeitig die Performance

Jan. 2019 - Jan. 2020

1 Jahr 1 Monat

Philippinen

Data Scientist

Ecorenew Group

Entwickelte Zeitreihenprognosemodelle mit ARIMA und Prophet und verbesserte die Prognosegenauigkeit der Nachfrage um 25 % zur Bestandsoptimierung
Baute eine Preisoptimierungs-Engine mit Regressionsmodellen und Constraint-Optimierung und steigerte die Bruttomarge um 10 %
Wandte statistische Analysen und Hypothesentests an, um Umsatztreiber und operative Engpässe zu identifizieren
Integrierte E-Commerce-Daten in Analysesysteme für Echtzeit-Tracking von Verkaufs- und Produktperformance

Industrie Erfahrung

Sehen Sie, wo dieser Freiberufler den Großteil seiner beruflichen Laufbahn verbracht hat. Längere Linien stehen für umfangreichere praktische Erfahrung, während kürzere Linien auf gezielte oder projektbezogene Arbeit hindeuten.

Erfahren in Informationstechnologie (3.5 Jahre), Professionelle Dienstleistungen (2 Jahre), Tourismus (1 Jahr), Einzelhandel (1 Jahr) und Bank- und Finanzwesen (0.5 Jahre).

Informationstechnologie

Professionelle Dienstleistungen

Tourismus

Einzelhandel

Bank- und Finanzwesen

Geschäftsbereich Erfahrung

Die folgende Grafik bietet einen Überblick über die Erfahrungen des Freiberuflers in verschiedenen Geschäftsbereichen, berechnet anhand abgeschlossener und aktiver Aufträge. Sie zeigt die Bereiche, in denen der Freiberufler am häufigsten zur Planung, Umsetzung und Erzielung von Geschäftsergebnissen beigetragen hat.

Erfahren in Business Intelligence (7 Jahre), Informationstechnologie (3 Jahre), Lieferkettenmanagement (1 Jahr) und Finanzen (0.5 Jahre).

Business Intelligence

Informationstechnologie

Lieferkettenmanagement

Finanzen

Zusammenfassung

Data Scientist mit über 5 Jahren Erfahrung in der Entwicklung und Operationalisierung von Machine-Learning-Modellen zur Lösung komplexer Geschäftsprobleme. Expertise in statistischer Modellierung, Deep Learning und cloudbasierten ML-Plattformen (AWS, Azure, GCP).

Nachgewiesene Erfolge bei der Übersetzung von Geschäftsanforderungen in mathematische Optimierungsprobleme und der Bereitstellung produktionsreifer ML-Lösungen. Spezialisierung auf Feature Engineering, Ensemble-Methoden und die Integration von Foundation Models (LLMs). Veröffentlicht als Forscher im Bereich KI-Anwendungen mit solider Grundlage in Python, TensorFlow und verteilten ML-Systemen.

Fähigkeiten

Maschinelles Lernen & Deep Learning: Xgboost, Random Forest, Gradient Boosting, Neuronale Netze, Tensorflow, Pytorch, Ensemble-methoden
Statistische Modellierung: Bayessche Inferenz, Multivariate Statistik, Zeitreihenanalyse, Hypothesentests, A/b-tests
Fortgeschrittene Ml-algorithmen: Semi-überwachtes Lernen, Verstärkendes Lernen, Kausale Inferenz, Generierung Synthetischer Daten
Cloud-ml-plattformen: Aws (Sagemaker, S3, Redshift), Microsoft Azure (Ml Studio, Data Lake), Google Cloud (Vertex Ai, Bigquery)
Ml-betrieb & Deployment: Versionsverwaltung Von Modellen, Hyperparameter-tuning, Kreuzvalidierung, Ci/cd Für Ml, Apache Airflow
Programmierung & Tools: Python (Pandas, Numpy, Scikit-learn), R, Pyspark, Sql, Dbt, Git
Foundation Models & Genai: Integration Von Llms, Transformermodelle, Fine-tuning, Prompt Engineering, Rag-architektur
Data Engineering: Komplexe Datenaufbereitung, Verteilte Datenverarbeitung, Feature Engineering, Datenpipelines

Sprachen

Tagalog

Muttersprache

Englisch

Verhandlungssicher

Deutsch

Grundkenntnisse

Ausbildung

März 2025 - Aug. 2026

Technische Hochschule Deggendorf

M.Eng. · Angewandte KI für das digitale Produktionsmanagement · Deggendorf, Deutschland

Feb. 2021 - Feb. 2025

Mapua University

M.Sc., Spezialisierung: Fortgeschrittenes Machine Learning, Statistische Modellierung, Deep Learning, Zeitreihenanalyse · Business Analytics · Philippinen · 1,3 - Ausgezeichnet

Juni 2010 - Apr. 2015

Polytechnic University of the Philippines

B.Sc. · Industrieingenieurwesen · Philippinen · 1,9 - Sehr gut

Profil

Erstellt

November 2025

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Frequently asked questions

Sie haben Fragen? Hier finden Sie weitere Informationen.

Wo ist Geraldine ansässig?

Geraldine ist in Regensburg, Deutschland ansässig.

Welche Sprachen spricht Geraldine?

Geraldine spricht folgende Sprachen: Tagalog (Muttersprache), Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse).

Wie viele Jahre Erfahrung hat Geraldine?

Geraldine hat mindestens 7 Jahre Erfahrung. In dieser Zeit hat Geraldine in mindestens 5 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 5 Monate. Beachten Sie, dass Geraldine möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Geraldine am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Geraldine gut geeignet für Rollen wie: Solution Engineer (Daten- & ML-Integration), Senior Data Scientist und ML-Ingenieur, Data Scientist & ML-Spezialist.

Was ist das neueste Projekt von Geraldine?

Die neueste Position von Geraldine ist Solution Engineer (Daten- & ML-Integration) bei Amadeus Data Processing GmbH.

Für welche Unternehmen hat Geraldine in den letzten Jahren gearbeitet?

In den letzten Jahren hat Geraldine für Amadeus Data Processing GmbH, IQ-EQ Global Investor Services, Ernst and Young (EY) und Infor gearbeitet.

In welchen Industrien hat Geraldine die meiste Erfahrung?

Geraldine hat die meiste Erfahrung in Industrien wie Informationstechnologie, Professionelle Dienstleistungen und Einzelhandel. Geraldine hat auch etwas Erfahrung in Tourismus und Bank- und Finanzwesen.

In welchen Bereichen hat Geraldine die meiste Erfahrung?

Geraldine hat die meiste Erfahrung in Bereichen wie Business Intelligence, Informationstechnologie und Lieferkettenmanagement. Geraldine hat auch etwas Erfahrung in Finanzen.

In welchen Industrien hat Geraldine kürzlich gearbeitet?

Geraldine hat kürzlich in Industrien wie Informationstechnologie, Professionelle Dienstleistungen und Tourismus gearbeitet.

In welchen Bereichen hat Geraldine kürzlich gearbeitet?

Geraldine hat kürzlich in Bereichen wie Business Intelligence, Informationstechnologie und Finanzen gearbeitet.

Was ist die Ausbildung von Geraldine?

Geraldine hat einen Master in Angewandte KI für das digitale Produktionsmanagement from Technische Hochschule Deggendorf, einen Master in Business Analytics from Mapua University und einen Bachelor in Industrieingenieurwesen from Polytechnic University of the Philippines.

Wie ist die Verfügbarkeit von Geraldine?

Geraldine ist sofort vollzeit verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Geraldine?

Der Stundensatz von Geraldine hängt von den spezifischen Projektanforderungen ab. Bitte verwenden Sie die Meet-Schaltfläche im Profil, um ein Meeting zu planen und die Details zu besprechen.

Wie kann man Geraldine beauftragen?

Um Geraldine zu beauftragen, klicken Sie auf die Meet-Schaltfläche im Profil, um ein Meeting anzufragen und Ihre Projektanforderungen zu besprechen.

Durchschnittlicher Tagessatz für ähnliche Positionen

Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.

1000

750

500

250

⌀ Markt: 650-810 €

Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freiberufler in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.

Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.