Mirza Klimenta
Agentische KI für ein DeepResearch-Projekt
Erfahrungen
Agentische KI für ein DeepResearch-Projekt
Freiberuflich
- Entwickelte ein Multi-Agenten-System auf Basis eines Wissensgraphen zur Automatisierung der Erstellung von Forschungsarbeiten
- Setzte mehrere Expertensysteme (OpenAI-Modelle) ein, die während der Dokumentenerstellung zusammenarbeiten
- Extrahierte wichtige Informationen aus dem Wissensgraphen
- Technologien: LangChain, LangGraph, Smolagents, LlamaIndex, dspy
- Infrastruktur: Terraform und GitHub Actions (CI/CD) auf AWS
- Veröffentlicht eine erste Version als Streamlit-App
PulseSpotter
MediaLab Bayern
- Entwickelt, um Journalist:innen dabei zu helfen, berichtenswerte Themen zu identifizieren, die wahrscheinlich populär werden
- Sammelte Informationen aus verschiedenen Nachrichtenquellen und analysierte zeitliche Muster
- Schlug mithilfe von KI und maschinellem Lernen aufkommende Trends vor und sparte Journalist:innen so Zeit bei der Recherche
RAG (LLM)
Freiberuflich
- Führte die Entwicklung eines fortschrittlichen Retrieval-augmented Generation-Systems zur Verbesserung des HR-Datenabrufs
- Verwendete die Milvus Vektorsuchdatenbank und die OpenAI-API, um umfangreiche HR-Daten zu beziehen und zu integrieren
- Versuch, ein LLM mittels PEFT (LoRA) und Prompt-Engineering zu feintunen
Senior Data Scientist
Freiberuflich
Objekterkennung in Spektralbildern
Freiberuflich
- Klassifizierte Signale und identifizierte Neuheiten in Spektralbildern mit Sensordaten
- Setzte selbstüberwachte ML-Paradigmen ein, da nicht genügend gelabelte Daten vorhanden waren
- Nutze eine YOLO-Architektur für schnelle Verarbeitung mit dem mmyolo-Framework
Benutzergruppierung in einem sozialen Netzwerk
Freiberuflich
- Förderte die Kommunikation gleichgesinnter Nutzer durch dynamische Gruppenbildung auf Grundlage ihrer Antworten auf bestimmte Fragen
- Verwendete Vektorisierung und K-nächste-Nachbarn für die erste Gruppierung und ein Empfehlungssystem für eine genauere Zuordnung
Leitender Data Scientist
Bayerischer Rundfunk/.pub
- Recherche zu den neuesten Entwicklungen in Empfehlungssystemen für Medien (Audio, Video und Text)
- Implementierung eines Empfehlungssystems für die ARD Audiothek, das eine 15% höhere Genauigkeit als das vorherige Modell erzielte
- NLP-Projekte: Entitätserkennung und Redundanzentfernung
Betrugserkennung für eine Buy-Now-Pay-Later-Plattform
Freiberuflich
- Entwarf und entwickelte ein Betrugserkennungsmodell für eine Buy-Now-Pay-Later-Plattform im Nahen Osten
- Setzte während der Datenvorverarbeitung einen graphbasierten Ansatz ein, um Cliquen von Betrügern zu erkennen
- Lieferte dem Kunden das erste erfolgreiche Machine-Learning-Projekt
Nächstbeste finanzbezogene Aktion
Freiberuflich
- Entwickelte prädiktive Machine-Learning-Modelle, um Privatpersonen finanzielle Maßnahmen für langfristige Ziele wie den Kauf eines Eigenheims zu empfehlen
- Kontext: für eine asiatische Bank, die umsetzbare Ratschläge für langfristige Finanzplanung bietet
Datenwissenschaftler
Yewno/Entropy387
- Forschung und Implementierung graphbasierter Prognosemodelle für den Aktienmarkt
- Implementierung einer Pricing-Engine, die den MAE um 10% gegenüber dem vorherigen Modell verbesserte
Empfehlungssystem für Online-Wetten
Freiberuflich
- Ein Empfehlungsmodell auf Basis von Faktorisierungsmaschinen entwickelt, um die Leistung des hierarchischen rekurrenten neuronalen Netzes von Amazon Personalize zu übertreffen
- Empfehlungen durch gezieltes Feature-Engineering verbessert
Inkasso
Freiberuflich
- Die Wahrscheinlichkeit der Rückzahlung von Bankkrediten vorhergesagt, um die Segmentierung für maßgeschneiderte Kommunikationsstrategien (E-Mail, SMS, Telefon) zu unterstützen
- Ein maschinelles Lernmodell zur Verhaltensbewertung erstellt und in den Inkassoansatz von Receeve integriert
Erkennung von Sensoranomalien
Freiberuflich
- Ein Basismodell für maschinelles Lernen erstellt, um erwartete Sensorwerte vorherzusagen und Abweichungen als Anomalien zu kennzeichnen
- Die Erkennungsgenauigkeit durch ein graphbasiertes neuronales Netzwerk gesteigert, das die Verbindungen zwischen Sensoren und beobachteten Bereichen analysiert
Postdoc
Roma Tre University
- Forschung an Graph-Morphing-Algorithmen
- Implementierung von Graph-Zeichenalgorithmen
Preiskalkulationssystem für einen US-Disponenten
Freiberuflich
- Fahrzeugtransportpreise prognostiziert, um Disponenten eine verlässliche Basis für die Preisgestaltung zu bieten
- Die Modellgenauigkeit um etwa 40 % durch fortgeschrittenes Feature-Engineering und eine zweistufige Regressionsstrategie verbessert, die Residual- und Standardregression mit XGBoost kombiniert
Investitionsprognose
Freiberuflich
- Prognostizierte die Entscheidungen von Investoren bei Unternehmensinvestitionen, indem ich Investoren und Unternehmen als Knoten in einem Graphen modellierte
- Entwickelte ein graphbasiertes neuronales Netzwerk, um potenzielle Verbindungen zwischen Investoren und Unternehmen vorherzusagen, und integrierte es in die Prognose-Suite von StockFink
Softwareentwickler
Visteon (ehemals Johnson Controls)
- (Re-)Implementierung einer Testsoftware
- Implementierung von endlichen Zustandsmaschinen
- Codegenerierung
Zusammenfassung
Mirza Klimenta hat mit 25 Jahren seinen Doktortitel in Informatik an der Universität Konstanz erworben. Während seiner akademischen Laufbahn arbeitete er in den Bereichen Dimensionsreduktion und Graph-Embedding, und seine Arbeit wurde von der wissenschaftlichen Gemeinschaft anerkannt. Als (Senior) Data Scientist liegt sein Fokus auf LLMs/RAGs, Empfehlungssystemen, Wissensgraphen und klassischem maschinellen Lernen. Sein bekanntestes Werk ist die Konzeption und Implementierung eines Empfehlungssystems für die ARD Audiothek. Er ist außerdem Autor literarischer Belletristik.
Fähigkeiten
Llm
Rag (Graph-rag)
Agentische Ki
Empfehlungssysteme
Deep Learning
Graph-neuronale Netze
Preisberechnungsmotoren
Maschinelles Lernen
Dimensionsreduktion
Graph-embedding Und Informationsvisualisierung
Algorithm Engineering (Verarbeitung Großer Datenmengen)
Numerische Optimierung
Programmierung: Python, Java, C/c++, Matlab
Python: Numpy, Pandas, Scikit-learn, Tensorflow, Keras, Pytorch, Pyg, Networkx, Matplotlib/seaborn, Xgboost/lightgbm/catboost, Spacy/nltk
Empfehlungssysteme: Kollaboratives Filtern, Two-tower-modelle, Ensemble-modelle, Bandit-basierte Modelle, Graph-basierte Empfehlungssysteme
Aws: Deployment, Lambda, Ec2, Ecs
Azure: Databricks
Agile Entwicklung: Scrum, Kanban
Kubernetes, Streamlit, Spark
Skripting: Shell, Batch
Satzsysteme: Latex
Tensorflow & Keras: Umfassende Erfahrung Im Aufbau Und Einsatz Neuronaler Netzmodelle
Pytorch: Versiert In Modellentwicklung Und Experimenten Mit Schwerpunkt Auf Dynamischen Berechnungsgraphen
Pytorch Geometric (Pyg): Erfahren In Der Umsetzung Von Graph-neuronalen Netzen Für Komplexe Beziehungsdaten
Pytorch Lightning: Vertraut Mit Diesem Framework Für Skalierbares Und Effizientes Training Von Deep-learning-modellen
Milvus: Erfahren Im Aufbau Von Ähnlichkeitssuchanwendungen Auf Dieser Hoch Skalierbaren Plattform
Pinecone: Erfahrung In Der Implementierung Von Vektorsuche Für Ml-modelle In Produktion
Athena: Versiert In Serverlosen Sql-abfragen Auf Großen Datenbeständen Direkt In S3
Snowflake: Erfahren In Der Nutzung Dieser Cloud-datenplattform Für Skalierbare Analysen
Redis: Erfahren In Der Nutzung Dieser In-memory-datenbank Für Caching Und Echtzeitanalysen
Postgresql: Fundiertes Verständnis Für Relationale Datenbankverwaltung Und -Entwicklung
Aws: Umfangreiche Erfahrung Mit Sagemaker Für Ml-modellentwicklung Und Deployment; Redshift Für Data Warehousing; Lambda Für Serverloses Computing; Personalize-recipes Für Empfehlungssysteme
Google Cloud Platform (Gcp): Versiert Mit Bigquery Für Data Warehousing; Entwicklung Eines Empfehlungssystems Auf Dieser Plattform
Neo4j: Tiefgehende Erfahrung Mit Dieser Graph-datenbank Zum Aufbau Von Wissensgraphen Und Komplexen Abfragen
Apache Kafka: Fortgeschrittene Kenntnisse In Stream-processing-systemen Zum Aufbau Fehlertoleranter, Skalierbarer Echtzeit-datenpipelines
Apache Druid: Erfahren In Echtzeitanalysen Mit Druid Für Interaktive Abfragen Und Einblicke In Große Datensätze
Grafana: Erfahren Im Einsatz Von Grafana Für Umfassendes Monitoring Und Die Visualisierung Von Metriken Und Logs Aus Verschiedenen Datenquellen
Sprachen
Ausbildung
Universität Konstanz
Ph.D., Informatik · Informatik · Konstanz, Deutschland · Magna Cum Laude
Sarajevo School of Science and Technology / University of Buckingham
B.Sc., Informatik · Informatik · Sarajevo, Bosnien und Herzegowina · 9,96/10, 98/100
Zertifikate & Bescheinigungen
Personalisierte Empfehlungen im großen Maßstab
Entwicklung hochmoderner Empfehlungssysteme
Profil
Frequently asked questions
Sie haben Fragen? Hier finden Sie weitere Informationen.
Wo ist Mirza ansässig?
Welche Sprachen spricht Mirza?
Wie viele Jahre Erfahrung hat Mirza?
Für welche Rollen wäre Mirza am besten geeignet?
Was ist das neueste Projekt von Mirza?
Für welche Unternehmen hat Mirza in den letzten Jahren gearbeitet?
In welchen Industrien hat Mirza die meiste Erfahrung?
In welchen Bereichen hat Mirza die meiste Erfahrung?
In welchen Industrien hat Mirza kürzlich gearbeitet?
In welchen Bereichen hat Mirza kürzlich gearbeitet?
Was ist die Ausbildung von Mirza?
Ist Mirza zertifiziert?
Wie ist die Verfügbarkeit von Mirza?
Wie hoch ist der Stundensatz von Mirza?
Wie kann man Mirza beauftragen?
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Agentische KI für ein DeepResearch-Projekt
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von München, Deutschland arbeiten
