Hiroshi K. - Senior Data Scientist

Zur Website

Warschau, Polen

Erfahrungen

Okt. 2024 - Sept. 2025

1 Jahr

Senior Data Scientist

Siemens

Behob uneinheitliche Annotationsqualität in verteilten Teams durch Einführung eines gestuften Prüfsystems mit strukturierten Feedbackvorlagen, reduzierte Nacharbeiten um 35 % und verbesserte die Inter-Annotator-Übereinstimmung auf 0,85 (Cohen’s Kappa).
Behob Abnahme der sachlichen Genauigkeit in KI-generierter technischer Dokumentation durch Entwicklung eines mehrstufigen Prüfprozesses, der automatisierte Faktenchecks mit Expertenreviews kombiniert, und erzielte 98 % Genauigkeit bei Fertigungsspezifikationen.
Beseitigte das Risiko sensibler Inhaltslecks in Trainingsdaten durch Entwicklung von PII-Detektionsfiltern und Einführung von Schwärzungsprotokollen für IoT-Sensordaten und Wartungsprotokolle, gewährleistete die Einhaltung von DSGVO und internen Sicherheitsrichtlinien.
Vereinfachte das Onboarding des Annotationsteams durch Erstellung umfassender Schulungsworkshops und Mentoring-Programme, verkürzte die Einarbeitungszeit von 6 auf 3 Wochen und hielt gleichzeitig die Qualitätsstandards.
Behandelte Inkonsistenzen bei der Richtlinieninterpretation durch Entwicklung detaillierter Annotationsprotokolle mit konkreten Beispielen und Randfällen, verringerte Klärungsanfragen um 60 % in mehrsprachigen Annotationprojekten.
Behob Qualitätsdrift in laufenden Annotationprojekten durch Einführung von SPC-Diagrammen und automatisierten Qualitätsprüfungen, erkannte Abweichungen 3 Tage früher als manuelle Prüfvorgänge.
Steigerte die Annotationseffizienz ohne Qualitätsverlust durch Optimierung der Prüfworkflows und Batch-Verarbeitung ähnlicher Inhalte, erhöhte die Tagesleistung um 25 % bei über 95 % Genauigkeit.
Beseitigte Ineffizienzen im Feedbackprozess durch Etablierung strukturierter Peer-Review-Sitzungen und wöchentlicher Kalibrierungsmeetings und stellte eine einheitliche Anwendung der Annotationsrichtlinien im gesamten Team sicher.

Juni 2021 - Sept. 2024

3 Jahren 4 Monaten

Data Scientist

EPAM Systems

Behob Inkonsistenzen bei der Klassifizierung von Finanzdokumenten durch Entwicklung eines hierarchischen Annotationssystems mit klaren Entscheidungsbäumen, steigerte den F1-Score des Klassifikators bei Banktransaktionsdaten aus SAP und internen Datenbanken von 0,78 auf 0,91.
Behandelte Skalierbarkeitsprobleme bei Annotationsaufgaben für mehrsprachige Finanzberichte durch Einführung einer verteilten Labeling-Plattform mit Quality Gates, verarbeitete monatlich über 50.000 Dokumente mit 94 % Konsistenz in englischen und deutschen Inhalten.
Behob Modellleistungsabfall in der Produktion durch Einrichtung kontinuierlicher Annotationspipelines für schwierige Fälle, verringerte Fehlalarme in der Betrugserkennung um 22 % bei gleichbleibender Recall-Rate von 99,9 % im Transaktionsüberwachungssystem.
Löste Probleme mit der Trainingsdatenqualität durch Implementierung von Schema-Validierung und Ausreißererkennung in Feature-Pipelines, reduzierte produktionstechnische Vorfälle um 65 % in Finanzanwendungen der Kunden.
Eliminierte Annotationsrückstände bei Projektaufstockungen durch Gestaltung effizienter Batch-Prozesse und Prioritätswarteschlangen, gewährleistete SLA-Einhaltung trotz dreifach erhöhtem Volumen während der Quartalsberichte.
Steigerte die teamübergreifende Annotationskonsistenz durch wöchentliche Kalibrierungssitzungen und detaillierte Feedbackdokumentation, erreichte Inter-Annotator-Übereinstimmung von 0,88 in verteilten Teams in verschiedenen Zeitzonen.
Behob Probleme bei der Modellinterpretierbarkeit in Kundenpräsentationen durch Erstellung umfassender Annotationsrichtlinien mit Geschäftskontext, verringerte Erklärungszeit während Stakeholder-Reviews von 45 auf 15 Minuten.

Aug. 2019 - Juni 2021

1 Jahr 11 Monaten

Senior MLOps

Fujitsu

Behob manuelle Engpässe bei der Annotation für Fertigungsfehlererkennung durch Einführung halbautomatischer Labeling-Tools mit menschlicher Prüfung, verringerte die Beschriftungszeit für CV-Modelle zur Auswertung von Produktionslinienbildern um 40 %.
Löste das Chaos bei der Versionierung von Trainingsdaten durch Einrichtung eines zentralen Annotation-Speichers mit Metadaten-Tracking, ermöglichte reproduzierbares Modelltraining über mehrere Datensätze von Fertigungsanlagen.
Behob Qualitätsinkonsistenzen bei der Sensor-Datenannotation durch Entwicklung standardisierter Labeling-Protokolle und Durchführung von Train-the-Trainer-Sitzungen, steigerte die Modellgenauigkeit bei Predictive-Maintenance-Aufgaben um 15 %.
Behandelte Zuverlässigkeitsprobleme von Annotationstools durch Migration von individuellen Skripten zu containerisierten Labeling-Anwendungen, erreichte 99,5 % Verfügbarkeit für verteilte Annotationsteams an drei Fertigungsstandorten.

Apr. 2014 - Aug. 2019

5 Jahren 5 Monaten

Machine Learning Engineer

Fujitsu

Behob erste Probleme bei der Datenkennzeichnung in frühen ML-Projekten durch Entwicklung strukturierter Annotationsrichtlinien und Qualitätssicherungsschritte und schuf die Basis für reproduzierbare Modellentwicklung.
Behandelte begrenzte Verfügbarkeit von Trainingsdaten durch Einsatz von Data-Augmentation-Techniken und systematischen Labeling-Workflows, ermöglichte erfolgreiche Bereitstellung von Empfehlungssystemen der ersten Generation.
Behob Inkonsistenzen bei der Annotation durch Teammitglieder durch Erstellung detaillierter Beispiele und Randfall-Dokumentation, steigerte die Modellstabilität bei den ersten Produktionseinsätzen.
Behob manuelle Engpässe in der Qualitätssicherung durch Entwicklung automatisierter Validierungsskripte für annotierte Datensätze, verringerte die Prüfzeit um 50 % und hielt hohe Datenqualitätsstandards ein.

Zusammenfassung

Über 10 Jahre Erfahrung im Aufbau und Einsatz von Machine-Learning-Systemen in der Fertigung und im Finanzdienstleistungsbereich. Spezialisiert auf End-to-End-MLOps-Implementierung mit Fokus auf Qualitätssicherung bei Datenannotationen, Bewertung der sachlichen Genauigkeit und Content-Moderation-Workflows. Nachweisliche Erfolge beim Einführen von Qualitätskontrollprozessen für KI-Trainingsdaten und beim Implementieren strukturierter Feedbacksysteme für Annotationsteams. Kombiniert tiefes technisches ML-Wissen mit praktischer Erfahrung in der Betreuung von Junior-Mitarbeitern und in Qualitätssicherungsüberprüfungen.

Sprachen

Japanisch

Muttersprache

Deutsch

Verhandlungssicher

Englisch

Verhandlungssicher

Ausbildung

Apr. 2016 - März 2018

Tokyo University of Science

Informatik · Informatik · Japan

Apr. 2010 - März 2014

Tokyo University of Science

Informatik · Informatik · Japan

Zertifikate & Bescheinigungen

Google Professional Machine Learning Engineer

AWS Certified Machine Learning - Specialty

DeepLearning.AI Natural Language Processing Specialization

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Ähnliche Freelancer

Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.

Erfahrungen

Senior Data Scientist

Siemens

Data Scientist

EPAM Systems

Senior MLOps

Fujitsu

Machine Learning Engineer

Fujitsu

Zusammenfassung

Sprachen

Ausbildung

Tokyo University of Science

Informatik · Informatik · Japan

Tokyo University of Science

Informatik · Informatik · Japan

Zertifikate & Bescheinigungen

Google Professional Machine Learning Engineer

AWS Certified Machine Learning - Specialty

DeepLearning.AI Natural Language Processing Specialization

Ähnliche Freelancer

Aufbau eines modernen Gehaltssystems

Tech Lead Kundenbasisdokumentation Automatisierung

KI-Lösungsarchitekt

Full-Stack Data Scientist | KI-Berater | Technischer Leiter

MLOps Engineer

Data Scientist & KI Ingenieur & KI Architekt

Senior Data/ML-Berater & Technischer Leiter

AR/VR/XR Architekt

KI-Ingenieur

Data-Science-Experte und KI-Stratege

Senior Consultant

NLP-Ingenieur

Unabhängiger IT-/KI-Berater

Principal (Datenwissenschaftler/Dateningenieur/Gen AI-Ingenieur)

Product Owner F&E-Software

Leitender Data Scientist

Maschinenstatus-Erkennung im industriellen 3D-Druck anhand von Infrarot-Bilddaten

Produktverantwortlicher und Senior Data Scientist

Computer Vision Rasenkrankheiten

Betreuung Studienarbeit Adrian Bohnert; Blockchain und Smart Contracts

Datenanalyst / Business-Analyst

Datenwissenschaftler

Senior KI-Architekt & Ingenieur

Senior Cloud-Berater (AWS-Services und Beratung)

Freiberuflicher Data Scientist

Einstellungsanforderung

KI-Ingenieur | Datenwissenschaftler

Senior Data Scientist

Forschungsprojekt

Technischer Product Owner – KI- & Datenplattform auf AWS