Julian Wergieluk - CEO & ML-Ingenieur

Deutschland

Erfahrungen

Jan. 2023 - Bis heute

3 Jahren 1 Monate

Deutschland

Beratung: Monte-Carlo-Szenarioanalyse eines exotischen Swaps-Portfolios (C++, bash, gnuplot)
Projektauswahl: Optimierung von Industrieprozessen, EDI-Automatisierung, Erklärbarkeit von LLM, Portfolio-Optimierung, Zeitreihen

Nov. 2019 - Dez. 2022

3 Jahren 2 Monaten

Deutschland

Hybrid

Entwicklung eines internen VaR-Modells für Marktrisiken
Teams:
Marktszenarien-Generator: hybrider Monte-Carlo-Ansatz mit einer 500-dimensionalen Diskretisierung der Heath-Jarrow-Morton-SPDE (C++ mit STL, boost, blitz++, GSL)
Model Management und Monitoring (MLOps): Online-Lernmodelle zur Drift-Erkennung und Überwachung von Merkmalsverteilungen
Probabilistisches Kreditmarktmodell: statistische Analyse und Kalibrierung eines Termstrukturmodells für Ausfallwahrscheinlichkeiten bei CDS-Spreads
ContagionNET: probabilistisches Einzel-Infektionsrisikomodell, direkte Zusammenarbeit mit dem CEO
Covid Machine: Optimierung von Impfstoffstudien (Moderna), kompartimentale Epidemiemodelle
Trusted AI: Implementierung eines Modells für Vorhersageintervalle bei Regressionsproblemen (konforme Inferenz)

Sept. 2015 - Okt. 2019

4 Jahren 2 Monaten

München, Deutschland

Konzipiert, implementiert und verwaltet ein Portfolioptimierungs-Framework, bestehend aus:
Einem C#-Backend mit verschiedenen LP- und QP-Optimierern aus der NAG-Bibliothek
Middleware, die eine WebAPI bereitstellt und RabbitMQ nutzt
Einem asynchronen C# VSTO Excel-Frontend
Automatisierten Risiko-Reporting- und Datenvalidierungsprozessen (Python, Jupyter, bash, Cygwin)
Test und Validierung eines Derivate-Bewertungs-Frameworks für inflationsgebundene Swaps (MATLAB, Python, C#)

Apr. 2015 - Dez. 2018

3 Jahren 9 Monaten

Python-ML-Stack: numpy, pandas, matplotlib, PyTorch, scikit-learn, scipy, streamlit
Modelle: Deep Learning, NLP, Große Sprachmodelle, Zeitreihen, Computer Vision, Reinforcement Learning
Forschungsthemen: Finanzmathematik, Statistik, stochastische Analyse, Energiemärkte
Linux: Standard-UNIX-Tools (bash, vim, git, etc.); Arch Linux + i3
Lehre: Mathematik für Ingenieure, mathematische Statistik und stochastische Analyse (8 Kurse)
Sonstiges: PyCharm, LaTeX
Veröffentlichung eines Übungsbuchs zu Wahrscheinlichkeit und Statistik

Feb. 2011 - März 2015

4 Jahren 2 Monaten

Python-ML-Stack: numpy, pandas, matplotlib, PyTorch, scikit-learn, scipy, streamlit
Modelle: Deep Learning, NLP, Große Sprachmodelle, Zeitreihen, Computer Vision, Reinforcement Learning
Forschungsthemen: Finanzmathematik, Statistik, stochastische Analyse, Energiemärkte
Linux: Standard-UNIX-Tools (bash, vim, git, etc.); Arch Linux + i3
Lehre: Mathematik für Ingenieure, mathematische Statistik und stochastische Analyse (8 Kurse)
Sonstiges: PyCharm, LaTeX
Veröffentlichung eines Übungsbuchs zu Wahrscheinlichkeit und Statistik

Jan. 2008 - Jan. 2011

3 Jahren 1 Monate

Wien, Österreich

Ein vielseitiger Ingenieur mit fundierten Kenntnissen in Mathematik, Maschinellem Lernen und Softwareentwicklung.

Python-ml-stack: Numpy, Pandas, Matplotlib, Pytorch, Scikit-learn, Scipy, Streamlit
Modelle: Deep Learning, Nlp, Große Sprachmodelle, Zeitreihen, Computer Vision, Reinforcement Learning
Linux: Standard-unix-tools (Bash, Vim, Git, Etc.); Arch Linux + I3
Sonstiges: Pycharm, Latex