Hiroshi Kaneko - Senior Data Scientist

Q: Wo ist Hiroshi ansässig?

Hiroshi ist in Warschau, Polen ansässig.

Q: Welche Sprachen spricht Hiroshi?

Hiroshi spricht folgende Sprachen: Japanisch (Muttersprache), Englisch (Verhandlungssicher), Polnisch (Fortgeschritten), Deutsch (Grundkenntnisse) .

Q: Wie viele Jahre Erfahrung hat Hiroshi?

Hiroshi hat mindestens 11 Jahre Erfahrung. In dieser Zeit hat Hiroshi in mindestens 3 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 4 Jahre und 9 Monate . Beachten Sie, dass Hiroshi möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Hiroshi?

Die neueste Position von Hiroshi ist Senior Data Scientist bei Siemens Group .

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

In den letzten Jahren hat Hiroshi für Siemens Group , EPAM Systems und Fujitsu gearbeitet.

Q: In welchen Industrien hat Hiroshi die meiste Erfahrung?

Hiroshi hat die meiste Erfahrung in Industrien wie Informationstechnologie , Fertigung und Einzelhandel . Hiroshi hat auch etwas Erfahrung in Bank- und Finanzwesen .

Q: In welchen Bereichen hat Hiroshi die meiste Erfahrung?

Hiroshi hat die meiste Erfahrung in Bereichen wie Informationstechnologie , Business Intelligence und Produktentwicklung . Hiroshi hat auch etwas Erfahrung in Qualitätssicherung , Betrieb und Lieferkettenmanagement .

Q: In welchen Industrien hat Hiroshi kürzlich gearbeitet?

Hiroshi hat kürzlich in Industrien wie Informationstechnologie , Fertigung und Einzelhandel gearbeitet.

Q: In welchen Bereichen hat Hiroshi kürzlich gearbeitet?

Hiroshi hat kürzlich in Bereichen wie Informationstechnologie , Business Intelligence und Produktentwicklung gearbeitet.

Recommended expert

Warschau, Polen

Erfahrungen

Okt. 2024 - Sept. 2025

1 Jahr

München, Deutschland

Senior Data Scientist

Siemens Group

Behob die Schema-Evolution von IoT-Sensordaten in Azure ML durch Data Contracts mit automatischen Backfills aus Fertigungs-Logs, wodurch Pipeline-Ausfälle um 65% reduziert wurden.
Verminderte Genauigkeitsprobleme bei der Nachfrageprognose für Ersatzteile durch die Implementierung eines Feast-Feature-Stores mit SCD Typ 2-Verarbeitung aus SAP ERP-Daten und senkte den MAE der Zeitreihenmodelle um 23%.
Verhinderte Veralterung von Produktionsmodellen durch Einrichtung automatisierter Azure ML Pipelines mit Drift-Erkennung bei Feature-Verteilungen und ermöglichte damit einen 95% automatisierten Nachschulungstakt.
Sicherte Modelendpunkte durch Implementierung von RBAC und Genehmigungs-Workflows in der MLflow Model Registry mit PII-Maskierung für Kundendaten und bestand die Compliance-Prüfung.

Juni 2021 - Aug. 2024

3 Jahren 3 Monate

Warschau, Polen

Data Scientist

EPAM Systems

Behandelte Latenzspitzen bei Transaktionen in der Echtzeit-Betrugserkennung durch Optimierung der XGBoost-Klassifikation mit Feature Selection aus Payment-Gateway-APIs, verringerte die Inferenzzeit von 120 ms auf 45 ms bei unveränderter AUC von 0,95.
Gewährleistete Konsistenz zwischen Training und Serving durch Implementierung eines Feast-Feature-Stores mit Spark-Verarbeitung von Kafka-Streams und Händler-DBs, wodurch 80% der Skew-Vorfälle eliminiert wurden.
Reduzierte Falschpositive Meldungen um 60% durch ein Evidently-Monitoring-Dashboard mit benutzerdefinierten Metriken für Data Drift und Verschiebungen in der Vorhersageverteilung bei Transaktionsdaten.
Verkürzte den Modelliterationszyklus, indem ich MLflow-Experiment-Tracking mit automatischer Nachverfolgbarkeit von Feature-Definitionen bis zu Modellversionen einführte und so die Setup-Zeit um 70% senkte.
Eliminierte manuelle Deployment-Fehler durch Implementierung von GitHub Actions CI/CD mit Integrationstests für Datenschemata und Modell-Performance-Schwellenwerten bei Credit-Scoring-Modellen.
Behandelte Kostenüberschreitungen im Model-Serving durch Implementierung von Auto-Scaling-Richtlinien und Ressourcenquoten für Online-Endpunkte, senkte die Inferenzkosten um 35% bei gleichzeitigem Erhalt einer 99,9% Uptime-SLA.

Apr. 2014 - Mai 2021

7 Jahren 2 Monate

Japan

MLOps (ehemals Junior ML Engineer)

Fujitsu

Behandelte Engpässe bei Batch-Vorhersagen für Kundenabwanderung, indem ich Scikit-learn-Modelle containerisierte und mit Airflow aus CRM-Daten orchestrierte, und verringerte die Verarbeitungszeit von 8 Stunden auf 45 Minuten.
Behandelte Probleme bei der Modellreproduzierbarkeit, indem ich MLflow-Tracking für Experiment-Metadaten und Hyperparameter in Retail-Forecasting-Projekten einführte und so eine 100%ige Experimentreplikation ermöglichte.
Behandelte Training-Serving-Skew in Empfehlungssystemen durch Implementierung von Feature-Versionierung mit Validierungschecks gegen Nutzerverhaltens-Logs und verbesserte die Offline-Online-Konsistenz um 40%.
Behandelte Verzögerungen bei der Produktionsvorfallreaktion, indem ich grundlegendes Monitoring mit benutzerdefinierten Metriken für Modellgenauigkeit und Datenqualität bei Fertigungssensordaten einrichtete und die mittlere Erkennungszeit um 65% verringerte.
Beschleunigte die Bereitstellung von Modellen von Wochen auf Tage, indem ich Docker-basierte Bereitstellungsmuster mit Blue-Green-Deployment für A/B-Tests von Preisoptimierungsmodellen einführte.

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 (10.5 Jahre), Fertigung (8 Jahre), Einzelhandel (7 Jahre) und Bank- und Finanzwesen (3 Jahre).

Informationstechnologie

Fertigung

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 Informationstechnologie (11.5 Jahre), Business Intelligence (7 Jahre), Produktentwicklung (3 Jahre), Qualitätssicherung (3 Jahre), Betrieb (1 Jahr) und Lieferkettenmanagement (1 Jahr).

Informationstechnologie

Business Intelligence

Produktentwicklung

Qualitätssicherung

Betrieb

Lieferkettenmanagement

Zusammenfassung

Über 10 Jahre Erfahrung in der Entwicklung produktiver ML-Systeme in den Bereichen Fertigung und Finanzdienstleistungen. Experte in der vollständigen MLOps-Implementierung mit Azure ML für automatisierte Pipelines, Feature Stores und Model-Serving. Nachgewiesene Erfolge beim Aufbau robuster Monitoring-Frameworks für Datenqualität und Modellperformance. Spezialisiert auf die Gestaltung skalierbarer Experimentierplattformen, die die Modellentwicklung beschleunigen und gleichzeitig Governance und Reproduzierbarkeit in Unternehmensumgebungen sicherstellen.

Fähigkeiten

Cloud/plattform: Azure Ml, Databricks, Kubernetes, Docker
Modellierung: Xgboost, Lightgbm, Scikit-learn, Tensorflow, Forecasting
Daten & Features: Spark, Feast, Delta Lake, Data Contracts
Pipelines/serving: Azure Ml Pipelines, Mlflow, Online Endpoints, Feature Store
Monitoring & Observability: Evidently, Prometheus, Grafana, Data Drift
Devops/sicherheit: Github Actions, Terraform, Rbac, Pii Masking
Experimente: Mlflow Tracking, A/b Testing, Hypothesentests

Sprachen

Japanisch

Muttersprache

Englisch

Verhandlungssicher

Polnisch

Fortgeschritten

Deutsch

Grundkenntnisse

Ausbildung

Apr. 2014 - März 2016

Tokyo University of Science

Master in Computeranwendungsentwicklung · Entwicklung von Computeranwendungen · Japan

Apr. 2010 - März 2014

Tokyo University of Science

Bachelor of Science · Informatik · Japan

Zertifikate & Bescheinigungen

AI Skills

Engineering Excellence

exPractice

Fujitsu Learning eXperience

Profil

Erstellt

November 2025

Stand

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 Hiroshi ansässig?

Hiroshi ist in Warschau, Polen ansässig.

Welche Sprachen spricht Hiroshi?

Hiroshi spricht folgende Sprachen: Japanisch (Muttersprache), Englisch (Verhandlungssicher), Polnisch (Fortgeschritten), Deutsch (Grundkenntnisse).

Wie viele Jahre Erfahrung hat Hiroshi?

Hiroshi hat mindestens 11 Jahre Erfahrung. In dieser Zeit hat Hiroshi in mindestens 3 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 4 Jahre und 9 Monate. Beachten Sie, dass Hiroshi möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Hiroshi am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Hiroshi gut geeignet für Rollen wie: Senior Data Scientist, Data Scientist, MLOps (ehemals Junior ML Engineer).

Was ist das neueste Projekt von Hiroshi?

Die neueste Position von Hiroshi ist Senior Data Scientist bei Siemens Group.

Für welche Unternehmen hat Hiroshi in den letzten Jahren gearbeitet?

In den letzten Jahren hat Hiroshi für Siemens Group, EPAM Systems und Fujitsu gearbeitet.

In welchen Industrien hat Hiroshi die meiste Erfahrung?

Hiroshi hat die meiste Erfahrung in Industrien wie Informationstechnologie, Fertigung und Einzelhandel. Hiroshi hat auch etwas Erfahrung in Bank- und Finanzwesen.

In welchen Bereichen hat Hiroshi die meiste Erfahrung?

Hiroshi hat die meiste Erfahrung in Bereichen wie Informationstechnologie, Business Intelligence und Produktentwicklung. Hiroshi hat auch etwas Erfahrung in Qualitätssicherung, Betrieb und Lieferkettenmanagement.

In welchen Industrien hat Hiroshi kürzlich gearbeitet?

Hiroshi hat kürzlich in Industrien wie Informationstechnologie, Fertigung und Einzelhandel gearbeitet.

In welchen Bereichen hat Hiroshi kürzlich gearbeitet?

Hiroshi hat kürzlich in Bereichen wie Informationstechnologie, Business Intelligence und Produktentwicklung gearbeitet.

Was ist die Ausbildung von Hiroshi?

Hiroshi hat einen Master in Entwicklung von Computeranwendungen from Tokyo University of Science und einen Bachelor in Informatik from Tokyo University of Science.

Ist Hiroshi zertifiziert?

Hiroshi hat 2 Zertifikate. U.a: AI Skills und exPractice.

Wie ist die Verfügbarkeit von Hiroshi?

Hiroshi ist sofort vollzeit verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Hiroshi?

Der Stundensatz von Hiroshi 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 Hiroshi beauftragen?

Um Hiroshi 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.

800

600

400

200

⌀ Markt: 520-680 €

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.