Kostas Psychogios - Data-Science-Auftragnehmer

Recommended expert

Athens, Griechenland

Erfahrungen

Apr. 2025 - Dez. 2025

9 Monaten

Amsterdam, Niederlande

Erstellt eine Evaluierungspipeline für ein RAG-System mit einem LLM-als-Richter-Ansatz und eingebauten Metriken zur Antwortqualität wie Vollständigkeit und Schadenspotenzial sowie benutzerdefinierten Metriken für Reproduzierbarkeit und Konsistenz.
Verbesserte den Workflow im bestehenden RAG-System, erweiterte die Abdeckung von Anwendungsfällen und steigerte den Umsatz der Kunden um 20 %.
Verbessert das bestehende RAG-Modell durch Hinzufügen von Fehlerbehandlungszweigen, um immer eine gültige Antwort zu liefern.
Mit Fachexperten zusammengearbeitet, um Evaluierungsdatensätze für zentrale Pipeline-Komponenten zu entwerfen, einschließlich Frageumformulierung, Dokumentenabruf und Antwortgenerierung.

Jan. 2024 - Apr. 2025

1 Jahr 4 Monaten

Athens, Griechenland

Entwickelt ein auf RAG basierendes Agentensystem für komplexe Dateien (PDF, Word, gescannte Bilder, oft mehrsprachig), das mithilfe von OCR, Segmentierung und Vision-LLM-Modellen unstrukturierte Dokumente mit Abbildungen, Tabellen und gescannten Seiten präzise durchsucht und relevante Informationen generiert.
Ein Embedding-Modell mit einem benutzerdefinierten Datensatz und Labels feinabgestimmt und eine höhere Genauigkeit im Vergleich zur Basisversion mit Hugging Face auf einem Multi-GPU-Setup erreicht.
In einer agilen Umgebung mit zweiwöchigen Sprints und regelmäßigen täglichen und wöchentlichen Meetings gearbeitet.
Docker verwendet, um Modelle und APIs bereitzustellen, und Kubernetes genutzt, um Google-Cloud-Ressourcen zu verwalten.

Mai 2022 - Jan. 2024

1 Jahr 9 Monaten

Athens, Griechenland

Implementiert ein Intrusion-Detection-System in einem föderierten Lernframework und dabei mit TensorFlow und TensorFlow Federated einen F1-Score von 95 % bei der Erkennung bösartiger Pakete erzielt.
Eine lokale Stiltransfer-Technik mit dem Segment Anything Model von Facebook entwickelt und visuell beeindruckende Ergebnisse erzielt.
Software-Engineering-Tools und -Frameworks wie Docker, FastAPI, Flask und Git eingesetzt, um eine effiziente Wiederverwendbarkeit der Projekte und Versionskontrolle zu gewährleisten.

Aug. 2021 - Mai 2022

10 Monaten

Athens, Griechenland

Mit zwei Ingenieuren zusammengearbeitet, um ein Verkaufsprognosesystem zu implementieren, das mithilfe von statsmodels, scikit-learn und Keras wöchentliche Verkaufszahlen für über 100 Produkte genau vorhersagte.
Ein NLP-basiertes Sentiment-Analyse-Modul mit TensorFlow und NLTK entwickelt und eine Genauigkeit von 90 % bei der Klassifizierung von Kundenkommentaren in realen Szenarien erzielt.
Ein Churn-Vorhersagemodell entwickelt und bereitgestellt, das durch genaue Nutzerklassifizierung die Betriebskosten des Kunden um 20 % senkte.