Razin (Saggad) M.
ML/AI Full-Stack-Ingenieur
Erfahrungen
Apr. 2024 - Okt. 2025
1 Jahr 7 MonatenML/AI Full-Stack-Ingenieur
AssistWell
- Produktionsreifes CatBoost-Gradient-Boosting-Modell für die Bewertung von Healthcare-Ansprüchen bereitgestellt, das 100K+ Ansprüche/Tag mit Latenzen unter einer Sekunde verarbeitet, unter Verwendung von Singleton-Caching, optimiertem Feature-Engineering und Pandas-/NumPy-Pipelines.
- PyTorch-NLP-Pipeline mit BERT-Transformern für die automatisierte Klassifizierung von ICD-10-Medizincodes entwickelt, auf domänenspezifischen Text feinjustiert und dabei über 90 % Genauigkeit sowie CPU-optimierte Inferenz erzielt.
- YOLOv8-Modelle für Computer Vision mit PyTorch und MLflow für die Tabellenerkennung in Erstattungsformularen bereitgestellt, um Echtzeit-Inferenz von Dokumenten und Bounding-Box-Extraktion zu ermöglichen.
- Semantisches Suchsystem mit Sentence-Transformern und ChromaDB aufgebaut, das vektorbasierte Ähnlichkeitssuche sowie persistente, über HTTP verwaltete Collections für medizinische Richtliniendokumente unterstützt.
- Hybrides Fraud-Detection-System entworfen, das ML-, regelbasierte und statistische Algorithmen mit Django- und Celery-Async-Verarbeitung kombiniert, und dabei über 95 % Präzision und PostgreSQL-Audit-Trails erreicht.
- Erklärbare AI-Schicht implementiert mit Case-Based Reasoning, ähnliche Fälle aus Parquet-Datasets abgerufen und compliance-fertige JSON-Ausgaben über Django REST Framework generiert.
- Skalierte ETL-Pipeline mit Pandas-Multi-Table-Joins, Pydantic-Datenvalidierung und PostgreSQL-Transformationen entworfen, die komplexe Healthcare-Anspruchshierarchien verarbeitet.
- Verteiltes Celery/Redis-Async-Verarbeitungssystem mit ACID-Transaktionen, Fehler-Wiederherstellungsmechanismen und Flower-Monitoring-Dashboard implementiert, das 10K+ gleichzeitige Batch-Workflows unterstützt.
- MLOps-Infrastruktur etabliert mit versionierten CatBoost-Artefakten, Multi-Tenant-Bereitstellungen, PyTest-Evaluierungsframeworks und Azure Blob Storage-Metrik-Tracking für kontinuierliches Modell-Monitoring.
- Django REST Framework-APIs mit OpenAPI-Dokumentation, JWT/API-Key-Authentifizierung, Gunicorn-WSGI-Server und CORS-Konfiguration entwickelt, die 1M+ monatliche Anfragen bei 99,9 % Verfügbarkeit bedienen.
- Normalisiertes PostgreSQL-Schema mit 15+ Django-ORM-Modellen, polymorpher Speicherung, django-simple-history-Audit-Logs und 90 % Query-Optimierung durch ORM-Techniken entworfen.
- Enterprise React/TypeScript-Anwendung mit Ant Design, TanStack React Query, styled-components, framer-motion und Vite-Build-System mit modularer Architektur erstellt.
- Umfassende Tests mit Vitest, Cypress E2E, Storybook, MSW-Mocking, ESLint/Prettier-Tooling und Sentry-Monitoring implementiert und dabei über 80 % Coverage erreicht.
Mai 2021 - März 2024
2 Jahren 11 MonatenGenerative-AI- & Backend-Ingenieur
ColomboAI
- Generative-AI-API entwickelt und bereitgestellt, die LLMs und RAG nutzt, um Marketing-Inhalte zu automatisieren, und dabei LangChain, LangGraph sowie OpenAI-Modelle in eine AWS-basierte Produktionsinfrastruktur integriert.
- AI-Pipelines mit LangChain und FastAPI entwickelt und integriert, um Audio-Enhancement-Workflows zu automatisieren, und dabei asynchrone Hintergrundaufgaben mit Celery und AWS Lambda für skalierbare Bereitstellungen implementiert.
- KI-gestützten Conversational-Chatbot entwickelt und bereitgestellt, trainiert mit Verhaltensrehabilitationsliteratur, containerisiert mit Docker und Kubernetes auf GCP, und dabei LlamaIndex-basierte Embeddings sowie Reinforcement-Learning-Modelle eingesetzt, um Personalisierung und Empfehlungsqualität zu verbessern.
- KI-Assistenten mit RLHF und LoRA-Fine-Tuning trainiert und optimiert, um NLP-Modellgenauigkeit und kontextuelle Antwortqualität zu verbessern.
- Große AI-Automatisierungs-Workflows auf AWS orchestriert, mit Step Functions, Bedrock, DynamoDB, Amplify und Lambda, um Echtzeit-Newsletter- und Medienerstellung durch multimodale LLMs wie OpenAI und Claude zu unterstützen.
- End-to-End-Immobilienbewertungssystem mit Airflow und MLflow aufgebaut und automatisiertes Retraining sowie Deployment für kontinuierliche Vorhersagen implementiert.
- Natural-Language-Datenabfrage-App mit FastAPI und React entwickelt, die Text-to-SQL-Generierung und Analytics durch feinjustierte LLM-Prompts ermöglicht.
Feb. 2020 - Apr. 2021
1 Jahr 3 MonatenSoftware-Ingenieur
Kustomer
- BERT- und Bi-LSTM-Modelle für Textklassifikation, Entity Recognition und Chatbots erstellt und in React/Next.js-Dashboards integriert.
- Produktionsreife AI-Modelle über Flask-Backend für Content-Generierung entwickelt und bereitgestellt, dabei robuste API-Services, Echtzeit-Inferenz und vollständig getestete Integration mit Frontend-Anwendungen sichergestellt.
- Interaktive React/Next.js-Dashboards und Webanwendungen entwickelt, um AI-Vorhersagen und Analytics zu visualisieren, nahtlos integriert mit Flask-Backend-Services und Content-Generierungs-Pipelines.
- AWS-basierte ML-Pipelines mit Docker, Lambda und SageMaker entworfen, die automatisierte Inferenz- und Retraining-Workflows ermöglichen.
Juli 2016 - Jan. 2020
3 Jahren 7 MonatenJunior-Softwareentwickler
Poweron Technology Services
- Echtzeit-Empfehlungsengine mit Collaborative Filtering und scikit-learn erstellt, die personalisierte Nutzererlebnisse ermöglicht.
- Embedding-Modell für Satzsegmentierung statt Worttokenizer mit PyTorch, spaCy und Apache Kafka entwickelt und dadurch die Betriebseffizienz verbessert.
- Computer-Vision-Anwendung mit OpenCV und TensorFlow implementiert, die Qualitätskontrollprozesse in der Fertigung automatisiert.
- Automatisierte Machine-Learning-Pipeline mit MLflow und scikit-learn erstellt, die Modellentwicklung und -bereitstellung beschleunigt.
- Predictive-Maintenance-System mit Zeitreihenvorhersage und Prophet entwickelt, das Ausfallzeiten und Wartungskosten reduziert.
- Datenvisualisierung und Exploratory Data Analysis (EDA) mit Matplotlib und Seaborn durchgeführt, um wichtige Geschäftserkenntnisse zu gewinnen.
- Mit cross-funktionalen Teams zusammengearbeitet, um ML-Modelle in bestehende Systeme zu integrieren und so nahtlosen Betrieb und Wertschöpfung sicherzustellen.
Zusammenfassung
Senior ML/AI Full-Stack-Ingenieur mit über 9 Jahren Erfahrung in der Konzeption und Bereitstellung von produktionsreifen Machine-Learning-Systemen und Enterprise-Anwendungen. Experte für Deep Learning (PyTorch, TensorFlow), Predictive Analytics (CatBoost, XGBoost) und Full-Stack-Entwicklung (React/TypeScript, Python/Django, Node.js). Spezialisiert auf NLP, Computer Vision und klassisches ML – Aufbau skalierbarer KI-Lösungen mit Kafka, Celery, ChromaDB/Pinecone, AWS, Azure, MLflow, Docker und Kubernetes. Erfahrener Führer, der ML-Best Practices vorantreibt, Teams betreut und messbare Ergebnisse liefert: über 5 Mio. $ jährliche Einsparungen, 75 % Prozessautomatisierung und über 90 % Modellgenauigkeit in den Bereichen Healthcare, Fintech und E-Commerce.
Sprachen
Englisch
MutterspracheAusbildung
Okt. 2012 - Juni 2016
Montana State University
Bachelor-Abschluss · Informatik · Vereinigte Staaten
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.