Pawan Saxena - Akademisches Projekt

Q: Wo ist Pawan ansässig?

Pawan ist in Nürnberg, Deutschland ansässig.

Q: Welche Sprachen spricht Pawan?

Pawan spricht folgende Sprachen: Englisch (Muttersprache), Deutsch (Grundkenntnisse) .

Q: Wie viele Jahre Erfahrung hat Pawan?

Pawan hat mindestens 6 Jahre Erfahrung. In dieser Zeit hat Pawan in mindestens 3 verschiedenen Rollen und für 8 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 9 Monate . Beachten Sie, dass Pawan möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

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

In den letzten Jahren hat Pawan für CAPTCHA-Erkennung mit CRNN , LoRA-Style-Fine-Tuning mit Stable Diffusion , Analyse von Übersetzungsverzerrungen mit LLMs , Börsenprognosesystem und Tiger Analytics gearbeitet.

Q: In welchen Industrien hat Pawan die meiste Erfahrung?

Pawan hat die meiste Erfahrung in Industrien wie Gesundheitswesen , Versicherung und Pharmazeutika . Pawan hat auch etwas Erfahrung in Einzelhandel , Informationstechnologie und Bildung .

Q: In welchen Bereichen hat Pawan die meiste Erfahrung?

Pawan hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung , Informationstechnologie und Business Intelligence . Pawan hat auch etwas Erfahrung in Marketing und Produktentwicklung .

Q: In welchen Industrien hat Pawan kürzlich gearbeitet?

Pawan hat kürzlich in Industrien wie Gesundheitswesen , Versicherung und Pharmazeutika gearbeitet.

Q: In welchen Bereichen hat Pawan kürzlich gearbeitet?

Pawan hat kürzlich in Bereichen wie Forschung und Entwicklung , Informationstechnologie und Business Intelligence gearbeitet.

Q: Was ist die Ausbildung von Pawan?

Pawan hat einen Master in Künstliche Intelligenz & Robotik from Technische Hochschule Nürnberg (UTN) und einen Bachelor in Informatik & Ingenieurwesen from Bennett University .

Recommended expert

Nürnberg, Deutschland

Erfahrungen

Apr. 2025 - Aug. 2025

5 Monate

CAPTCHA-Erkennung mit CRNN

Ein CRNN-Modell mit VGG16- und BiLSTM-Backbone zur Erkennung textbasierter CAPTCHAs entwickelt
Zeichenfehlerrate (CER) von 9,37% und Sequenzgenauigkeit von 68,36% auf dem Validierungsdatensatz erreicht
Datenaugmentierungspipeline mit Verzerrungen, Rauschzugabe und Überlagerungen erweitert, um die Robustheit zu steigern
Detaillierte Fehleranalyse bei verwechselbaren Zeichen (O, Q, D) durchgeführt und zeichenspezifische Augmentierung vorgeschlagen
Tech Stack: Python, TensorFlow/Keras, OpenCV, NumPy, Matplotlib

Apr. 2025 - Aug. 2025

5 Monate

LoRA-Style-Fine-Tuning mit Stable Diffusion

LoRA-Feinabstimmung an Stable Diffusion 1.5 implementiert, um Studio-Ghibli-ähnliche Bilder zu generieren
Hyperparameter (Lernrate, Epochen, LoRA-Rang/Alpha) für stabile Konvergenz und effektiven Stiltransfer optimiert
Bewertungsframework mit negativem Prompting und systematischem Seed-Testing entwickelt, um Konsistenz sicherzustellen
Trainings-Checkpoints und Prompt-Engineering verwaltet, um reproduzierbar hochwertige Ergebnisse zu erzielen
Tech Stack: Python, PyTorch, Hugging Face Diffusers, Stable Diffusion 1.5

Apr. 2025 - Aug. 2025

5 Monate

Analyse von Übersetzungsverzerrungen mit LLMs

Untersuchung von Alters- und Geschlechterverzerrungen in deutsch-englischen Übersetzungen über maschinelle Übersetzungstools und LLMs (GPT-4, DeepSeek)
Implementierung von Logistic Regression, SVM und multilingualen BERT-Klassifikatoren zur Vorhersage demografischer Merkmale
Entwicklung und Test von Baseline-, beibehaltenden und adaptiven Prompting-Strategien zur Bias-Reduktion
Trainings- und Inferenzcode für LR und SVM beigesteuert, Visualisierung von Geschlechter-/Altersverzerrungen und Bericht zur Methodik erstellt
Tech Stack: Python, scikit-learn, Hugging Face Transformers, Logistic Regression, SVM, BERT

Okt. 2024 - Feb. 2025

5 Monate

Akademisches Projekt

Börsenprognosesystem

ML-Pipeline entwickelt, die Yahoo-Finance-Daten mit Echtzeit-Nachrichtensentiment-Analyse kombiniert
Feature Engineering umgesetzt, das technische Indikatoren mit FinBERT-Sentimentwerten verbindet
ROC-AUC von 0,94 mit einem optimierten Ensemble aus Naive Bayes, Logistic Regression und SVM erreicht
Tech Stack: Python, scikit-learn, pandas, NumPy, matplotlib, seaborn

Sept. 2021 - Nov. 2024

3 Jahren 3 Monate

Hyderabad, Indien

Senior Datenanalyst

Tiger Analytics

Kunden-Segmentierungsmodelle für Einzelhandelskunden entwickelt und implementiert, wodurch die Zielkundenbasis um 70% reduziert und gleichzeitig 95% des Umsatzes abgedeckt wurden
Legacy-SAS-Workflows auf MySQL migriert, wodurch die Verarbeitungsgeschwindigkeit um 40% stieg und die Betriebskosten eines Versicherungskunden gesenkt wurden
Versicherungs-Verkaufsprognosemodelle mit H2O AutoML entwickelt und eine Genauigkeit von über 90% erzielt
Skalierbare PySpark-Pipelines auf Databricks für die Verarbeitung von über 50 Mio. Datensätzen erstellt, wodurch die Verarbeitungszeit von 8 Stunden auf 45 Minuten verkürzt wurde
Umfassende Patient-Journey-Analyse für einen Fortune-500-Healthcare-Kunden geliefert und automatisierte Power-BI-Dashboards mit mehr als 15 KPIs erstellt
Echtzeit-Datenpipelines mit Snowflake und Dataiku implementiert
Interaktive Dashboards für über 200 Stakeholder erstellt
Tools zur Analyse von Medikamentenwechseln für die pharmazeutische Forschung entwickelt

Jan. 2020 - Sept. 2021

1 Jahr 9 Monate

Noida, Indien

Technischer Content Engineer

GeeksforGeeks

Verfasst und geprüft mehr als 110 technische Artikel zu hochmodernen Themen der künstlichen Intelligenz
Entwickelt einsatzfertige Code-Beispiele für komplexe Algorithmen wie BERT, GPT, YOLO und ResNet
Erstellt Lerninhalte zu Computer Vision, Natural Language Processing und Grundlagen des Deep Learning

Aug. 2019 - Dez. 2019

5 Monate

Erkennung menschlicher Aktivitäten zur Patientenüberwachung

Entwickelt ein Echtzeitsystem zur Erkennung von Aktionen für die Patientensicherheit im Krankenhaus
Implementiert OpenPose für die Posenschätzung und DeepSORT für die Verfolgung mehrerer Objekte
Erzielte 95 % Genauigkeit bei der Sturzerkennung mit einer Latenz unter 200 ms
Tech-Stack: Python, OpenCV, TensorFlow, Keras

Jan. 2019 - Juni 2019

6 Monate

Intelligentes Anwesenheitssystem mit Gesichtserkennung

Entwickelt ein frame-basiertes Gesichtserkennungssystem und erreichte etwa 97 % Genauigkeit
Erweiterte Lösung für den Einsatz in UAV-Überwachungsanwendungen
Veröffentlichung: "UAV-Überwachung zur Gewalterkennung und Personenidentifikation"
Tech-Stack: Python, OpenCV, TensorFlow, Keras, Computer-Vision-Bibliotheken

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 Gesundheitswesen (3.5 Jahre), Versicherung (3 Jahre), Pharmazeutika (3 Jahre), Einzelhandel (3 Jahre), Informationstechnologie (2.5 Jahre) und Bildung (1.5 Jahre).

Gesundheitswesen

Versicherung

Pharmazeutika

Einzelhandel

Informationstechnologie

Bildung

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 Forschung und Entwicklung (5.5 Jahre), Informationstechnologie (4.5 Jahre), Business Intelligence (3.5 Jahre), Marketing (3 Jahre) und Produktentwicklung (2 Jahre).

Forschung und Entwicklung

Informationstechnologie

Business Intelligence

Marketing

Produktentwicklung

Zusammenfassung

Ergebnisorientierter KI- und Machine-Learning-Ingenieur mit über 3 Jahren Berufserfahrung in Machine Learning, Deep Learning und Advanced Analytics. Derzeit im Masterstudium Künstliche Intelligenz & Robotik an der Technischen Hochschule Nürnberg. Bewährte Erfolge bei der Bereitstellung skalierbarer ML-Lösungen für Fortune-500-Unternehmen, mit Spezialisierung auf durchgängige Data-Science-Pipelines, Kundensegmentierung und prädiktive Modellierung.

Fähigkeiten

Programmiersprachen

Python (Experte)
Sql (Fortgeschritten)
R (Mittelstufe)

Maschinelles Lernen & Ki

Klassisches Ml: Scikit-learn, Xgboost, Lightgbm
Deep Learning: Tensorflow, Pytorch, Keras, Hugging Face
Computer Vision: Opencv, Yolo, Resnet, R-cnn
Nlp/llms: Bert, Gpt, Transformers, Finbert

Datenengineering & Analytics

Big Data: Pyspark, Databricks, Apache Spark
Data Warehousing: Snowflake, Mysql, Postgresql
Visualisierung: Power Bi, Matplotlib, Seaborn, Plotly
Mlops: Aws, H2o Automl, Dataiku, Airflow
Sonstiges: Ms-excel, Ms-powerpoint

Cloud & Devops

Azure
Aws (Zertifiziert)
Docker
Git
Linux
Windows

Sprachen

Englisch

Muttersprache

Deutsch

Grundkenntnisse

Ausbildung

Okt. 2024 - Bis heute

Technische Hochschule Nürnberg (UTN)

Master of Science in Künstlicher Intelligenz & Robotik · Künstliche Intelligenz & Robotik · Nürnberg, Deutschland

Aug. 2016 - Juni 2020

Bennett University

Bachelor of Technology in Informatik & Ingenieurwesen · Informatik & Ingenieurwesen · Greater Noida, Indien · 9,28/10 (entspricht der deutschen Note 1,3 – Sehr Gut)

Zertifikate & Bescheinigungen

Large Language Models: Foundation Models von Grund auf

Large Language Models: Anwendung von der Entwicklung bis zur Produktion - Databricks

AWS-zertifizierter Cloud Practitioner

AWS

Google Data Analytics-Spezialisierung

Google

Profil

Erstellt

Oktober 2025

Stand

Oktober 2025

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Frequently asked questions

Sie haben Fragen? Hier finden Sie weitere Informationen.

Wo ist Pawan ansässig?

Pawan ist in Nürnberg, Deutschland ansässig.

Welche Sprachen spricht Pawan?

Pawan spricht folgende Sprachen: Englisch (Muttersprache), Deutsch (Grundkenntnisse).

Wie viele Jahre Erfahrung hat Pawan?

Pawan hat mindestens 6 Jahre Erfahrung. In dieser Zeit hat Pawan in mindestens 3 verschiedenen Rollen und für 8 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 9 Monate. Beachten Sie, dass Pawan möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Pawan am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Pawan gut geeignet für Rollen wie: Akademisches Projekt, Senior Datenanalyst, Technischer Content Engineer.

Für welche Unternehmen hat Pawan in den letzten Jahren gearbeitet?

In den letzten Jahren hat Pawan für CAPTCHA-Erkennung mit CRNN, LoRA-Style-Fine-Tuning mit Stable Diffusion, Analyse von Übersetzungsverzerrungen mit LLMs, Börsenprognosesystem und Tiger Analytics gearbeitet.

In welchen Industrien hat Pawan die meiste Erfahrung?

Pawan hat die meiste Erfahrung in Industrien wie Gesundheitswesen, Versicherung und Pharmazeutika. Pawan hat auch etwas Erfahrung in Einzelhandel, Informationstechnologie und Bildung.

In welchen Bereichen hat Pawan die meiste Erfahrung?

Pawan hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung, Informationstechnologie und Business Intelligence. Pawan hat auch etwas Erfahrung in Marketing und Produktentwicklung.

In welchen Industrien hat Pawan kürzlich gearbeitet?

Pawan hat kürzlich in Industrien wie Gesundheitswesen, Versicherung und Pharmazeutika gearbeitet.

In welchen Bereichen hat Pawan kürzlich gearbeitet?

Pawan hat kürzlich in Bereichen wie Forschung und Entwicklung, Informationstechnologie und Business Intelligence gearbeitet.

Was ist die Ausbildung von Pawan?

Pawan hat einen Master in Künstliche Intelligenz & Robotik from Technische Hochschule Nürnberg (UTN) und einen Bachelor in Informatik & Ingenieurwesen from Bennett University.

Ist Pawan zertifiziert?

Pawan hat 4 Zertifikate. Darunter sind: Large Language Models: Foundation Models von Grund auf, Large Language Models: Anwendung von der Entwicklung bis zur Produktion - Databricks und AWS-zertifizierter Cloud Practitioner.

Wie ist die Verfügbarkeit von Pawan?

Pawan ist sofort verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Pawan?

Der Stundensatz von Pawan 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 Pawan beauftragen?

Um Pawan 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.

1000

750

500

250

⌀ Markt: 690-850 €

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.