Pranav S. - Praktikant für KI-Operations und Backend-Engineering

College Park, Vereinigte Staaten

Erfahrungen

Juni 2025 - Aug. 2025

3 Monaten

Kansas City, Vereinigte Staaten

Entwickelte eine KI-gestützte End-to-End-PaaS-Plattform für T-Mobile, um den Testlebenszyklus zu optimieren. Diese nutzt Predictive Test Case Selection und spart unserem Kunden fast 25 $ pro Stunde, indem Tests früher im Projektzyklus verschoben werden und so die Lieferzeit um 80 % reduziert wird.
Passte einen RAG-basierten LLM-Ansatz zur Lösung von Testproblemen an, mit Abhängigkeitskartierung, Knowledge Graph auf Knotenbasis und Konnektoren für verschiedene Eingabearten. Entwickelte eine Zwischen-CLI, die MIM, DoS und andere Missbräuche der Geschäftslogik verhinderte.
Implementierte für jeden Vorschlag im LLM-Mitigator einen Genauigkeitscheck und erreichte so eine durchschnittliche Genauigkeit von über 96,7 %.

Apr. 2023 - Nov. 2023

8 Monaten

Bengaluru, Indien

Entwickelte das erste KI-gesteuerte forensische Wasserzeichensystem mit segmentierter Farbtonanalyse, das eine Rückverfolgungsgenauigkeit von 73,33 % erzielte und die forensische Analysezeit um 90 % verringerte.
Entwickelte einen auf dem Median-Farbton basierenden Tracking-Algorithmus mit OpenCV, TensorFlow und SSIM, der die Identifizierung der Pirateriequelle unter unterschiedlichen Camcorder-Bedingungen ermöglichte.
Veröffentlicht Ergebnisse auf der IEEE ICDDS 2023 und eine branchenweit erste computervisionsbasierte Methode zur Erkennung von Piraterie, mit der unautorisierte Filmaufnahmen einzelnen Kinos zugeordnet werden können.

Aug. 2022 - Sept. 2022

2 Monaten

Bengaluru, Indien

Implementierte die Data Exchange Factory (DxF), eine Echtzeit-EDI-(HL7)-zu-FHIR-Konvertierungspipeline, die nahtlose Interoperabilität von Gesundheits- und Versicherungsdaten ermöglicht. Erstellte Datenkataloge, automatisierte Transformationen und setzte Echtzeit-FHIR-Streaming über Kafka um.
Optimierte einen geospatialen TSP-Löser mit Java und JavaScript, steigerte die Routenplanungseffizienz in ganz Indien durch Einbeziehung realer Reiseeinschränkungen und senkte die Kosten um 80 %. Entwarf einen regelbasierten Buchempfehlungsalgorithmus für eine mobile Bibliothekar-App, der die Interaktionszeit um 50 % verringerte.
Refaktorierte und verbesserte Softwarearchitekturen und löste dabei komplexe Herausforderungen in C#, Kotlin, Java, Dart und JavaScript. Leitete Fallstudien zur FHIR-Einführung im medizinischen Datenmanagement und pflegte Codebasen via Azure-Integration.