Naveen P.
Generative KI-Ingenieur
Erfahrungen
Jan. 2025 - Nov. 2025
11 MonatenHyderabad, Indien
Generative KI-Ingenieur
Emscale
- Prompt-Engineering-Strategien implementiert, um Modellzuverlässigkeit und -konsistenz zu verbessern, und dabei eine 15%-Verbesserung der Ausgabequalität in verschiedenen Kundenanwendungen erreicht.
- Mit funktionsübergreifenden Teams zusammengearbeitet, um agentische KI-Lösungen zu entwerfen, zu testen und bereitzustellen, die Datenverarbeitungspipelines optimierten und so Effizienz und Skalierbarkeit der Systeme erhöhten.
- KI-gesteuerte Workflows entwickelt und verfeinert, die große Sprachmodelle nutzen, um die Genauigkeit der Aufgabenautomatisierung um 25% zu verbessern und gleichzeitig manuellen Aufwand und Durchlaufzeiten zu reduzieren.
- Generative KI-Modelle entwickelt und feinabgestimmt, die große Spracharchitekturen nutzen, um die Inhaltssynthese zu automatisieren und dadurch Reaktionskohärenz und Kontextgenauigkeit um 20% zu steigern.
- RAG-basierte intelligente Agenten für Krankenversicherungen, Finanzanalysen und Kundenservice entwickelt und implementiert unter Verwendung von LangChain, LangGraph und AWS Bedrock LLMs, um kontextbezogene Dokumentensuche und automatisierte Insight-Generierung zu ermöglichen.
- End-to-End-RAG-Pipelines entworfen, die Amazon S3 für vektorisierte Dokumentenspeicherung und AWS MemoryDB für latenzarmes Caching nutzen, wodurch die Abrufgeschwindigkeit um 40% optimiert und Echtzeit-Responsivität sichergestellt wurde.
- Bedrock-gehostete LLMs (Claude, Titan) mit individuellen Retrieval-Schichten unter Einsatz von FAISS und LangChain-Retreivern integriert, um die faktische Genauigkeit zu erhöhen und Halluzinationsraten um 30% zu senken.
- Model Context Protocol (MCP) implementiert, um eine interoperable Kommunikation zwischen LLMs, Retrieval-Tools und Speichersystemen zu ermöglichen, und so Modularität und Multi-Agenten-Koordination zu verbessern.
- Domainspezifische RAG-Agenten für Abläufe in der Krankenversicherung entwickelt, z. B. Schadenszusammenfassung, Richtlinien-FAQs und Compliance-Validierung, und damit die Betriebseffizienz und Richtliniengenauigkeit um 35% verbessert.
- Verantwortungsbewusste KI-Praktiken angewandt, einschließlich Bias-Erkennung, Erklärbarkeit (SHAP, LIME) und Compliance mit GDPR und EU AI Act, um ethische und prüfbare agentische Entscheidungen zu gewährleisten.
- Mit Data Engineers, ML-Wissenschaftlern und Fachexperten zusammengearbeitet, um skalierbare agentische KI-Systeme auf AWS-Infrastruktur mithilfe von CI/CD-Pipelines und sicheren IAM-Rollen produktiv zu setzen.
- Beobachtbarkeitstools wie Langfuse und LangSmith implementiert für Agenten-Traceability, Reaktionsbewertung und Qualitätsüberwachung, um eine gleichbleibende Zuverlässigkeit in verschiedenen Kundenanwendungen zu erreichen.
- LLM-Prompt-Engineering-Strategien für mehrstufige Konversationsagenten optimiert, wodurch die Konsistenz der Antwortqualität um 15% verbessert und manuelle Feinabstimmungszyklen reduziert wurden.
- RAG-Agenten-Leistungsmetriken dokumentiert und benchmarked, einschließlich Latenz, Kontextbeibehaltung und Abrufgenauigkeit, und so zur kontinuierlichen Systemverbesserung und SLA-Einhaltung beigetragen.
Jan. 2022 - Jan. 2025
3 Jahren 1 MonateLondon, Vereinigtes Königreich
KI/ML-Ingenieur
DHL Supply Chain
- Verstärkungslernbasierte dynamische Routing-Algorithmen für die Optimierung der letzten Meile entwickelt, unter Einbeziehung agentischer KI-Prinzipien für autonome Entscheidungsfindung, wodurch die Transportkosten um 10% gesenkt und die Betriebseffizienz gesteigert wurden.
- NLP-basierte Sentiment-Analysis-Lösungen mit BERT und LLMs entworfen, verantwortungsbewusste KI-Techniken für Bias-Reduzierung und Erklärbarkeit integriert und so die Kundenzufriedenheit um 18% gesteigert, während gleichzeitig ethischer Umgang mit Daten gewährleistet wurde.
- Einsatz von Clustering-Algorithmen und Multi-Agenten-Reinforcement Learning (MARL) zur Entwicklung eines Lageroptimierungstools, das durch kollaborative agentische Systeme die Speichereffizienz um 15% erhöht.
- Nachfrageprognosemodelle mit ARIMA, Prophet und transformerbasierten Verfahren implementiert, RAG für verbesserte Genauigkeit eingesetzt und Fairness-Bewertungen integriert, um den Standards verantwortungsbewusster KI zu entsprechen.
- Junior Data Scientists bei Best Practices im Reinforcement Learning, agentischen KI-Frameworks (z. B. LangChain) und ethischer KI-Implementierung betreut, wodurch sich die Schulungszeiten um 30% verkürzten und eine Kultur verantwortungsbewusster Innovation gefördert wurde.
- An Predictive-Analytics-Projekten mitgearbeitet und dabei KI-Sicherheit und datenschutzfreundliche Modelle in den Fokus gestellt, um GDPR- und EU AI Act-Vorgaben einzuhalten.
März 2021 - März 2022
1 Jahr 1 MonateLondon, Vereinigtes Königreich
Praktikum als Data Scientist
Bright Network
- Prädiktive Modelle zur Analyse des Kundenverhaltens mit logistischer Regression, Entscheidungsbäumen und Reinforcement-Learning-Methoden erstellt, was zu einer 20%-Steigerung der Kundenbindung führte, und gleichzeitig Bias-Erkennung für faire Ergebnisse implementiert.
- Datensätze mit Clustering- und Regressionstechniken analysiert, um Erkenntnisse für datenbasierte Entscheidungen zu liefern, und Explainable AI (XAI)-Tools wie SHAP integriert, um Transparenz in agentischen KI-Prototypen zu gewährleisten.
- Datenvisualisierungen mit Power BI und Matplotlib erstellt, um Analyseergebnisse zu kommunizieren, mit Schwerpunkt auf ethischen KI-Visualisierungen, die Bias- und Fairness-Kennzahlen hervorheben.
Zusammenfassung
Innovativer Ingenieur für generative KI mit 4 Jahren Erfahrung in der Entwicklung autonomer Systeme, Reinforcement-Learning-Modellen und ethischen KI-Lösungen. Erfahren in LangChain, LangGraph, Stable-Baselines3 und der OpenAI API, mit nachgewiesener Expertise im Prompt Engineering, in RAG-basierten intelligenten Agenten und in der Multi-Agenten-Zusammenarbeit. Liefert messbare Ergebnisse – unter anderem eine 40%-Steigerung der Betriebseffizienz, eine 25%-Steigerung der Automatisierungsgenauigkeit und eine 30%-Reduzierung der Halluzinationsrate durch optimierte generative KI-Modelle. Versiert in der Implementierung verantwortungsvoller KI-Praktiken gemäß GDPR, CCPA und EU AI Act, um Erklärbarkeit, Fairness und Transparenz in groß angelegten KI-Anwendungen sicherzustellen.
Sprachen
Englisch
VerhandlungssicherDeutsch
FortgeschrittenJapanisch
FortgeschrittenAusbildung
März 2019 - März 2022
University of Hertfordshire
Master in Datenanalyse & KI in Datenwissenschaft · Datenwissenschaft · London, Vereinigtes Königreich · 2:1
Mai 2014 - Dez. 2018
SRM University
Bachelor in Informatik & Ingenieurwesen · Informatik & Ingenieurwesen · Chennai, Indien · 3.5
Zertifikate & Bescheinigungen
Agentic Al
DeepLearning.ai
GitGub Copilot Certification
Codecademy
RAG And Agentic Al Professional Certification
IBM
Multi Agent Systems Using CrewAI
DeepLearning.ai
Al Governance
DataCamp
Designing Agentic Systems With LangChain
DataCamp
Gen Al For Cybersecurity Specialization
IBM
Knowledge Graphs Certified Professional
Neo4j
Prompt Engineering Specialization
Reinforcement Learning From Human Feedback (RLHF)
DataCamp
Vector Databases Professional Certification
Weaviate
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.