Shyam sundar Rampalli - GenAI-Ingenieur

Berlin, Deutschland

Erfahrungen

Aug. 2025 - Bis heute

6 Monaten

Berlin, Deutschland

Hybrid

Hybride semantische und schlüsselwortbasierte Suche sowie LLM-basierte Anforderungsextraktion aus Konversationsanfragen entwickelt, die Suchgenauigkeit um 85 % gesteigert, Suchen ohne Treffer um 70 % und die Suchzeit um 60 % reduziert.
Produktionsreife API mit Monitoring-Dashboards für über 100.000 Produkte bereitgestellt, Antwortzeiten unter 2 s gehalten und die Zeit von Suche bis Kauf um 40 % verkürzt.
Technologien: Python, BGE-M3, Qwen2.5, FastAPI, Qdrant, Meilisearch, Docker, Prometheus, vLLM.

Juni 2024 - Juli 2025

1 Jahr 2 Monaten

Lyon, Frankreich

NLP-Pipeline mit BERT und Llama 2 entwickelt, um wichtige Informationen aus Katastrophenreports zu extrahieren und zusammenzufassen.
LoRA-Finetuning und Prompt-Engineering eingesetzt, um Modelle für strukturierte Zusammenfassungen und Entitätsextraktion anzupassen.
Prägnante Echtzeit-Zusammenfassungen erstellt, was die Bearbeitungsgeschwindigkeit um 40 %, den manuellen Analyseaufwand um 55 % und die Entscheidungsfindung in Katastrophenreaktionsabläufen um 30 % verbessert hat.
Technologien: BERT, Llama 2, LoRA, PyTorch, Transformers, AWS, MLflow, FastAPI, Docker, GitHub Actions, CI/CD-Pipelines, S3.

Jan. 2024 - Mai 2024

5 Monaten

Bengaluru, Indien

End-to-End-ETL- und Clickstream-A/B-Test-Framework aufgebaut, um den Checkout-Prozess zu optimieren, Analysezeit um 30 % verkürzt.
Ca. 200.000–300.000 Events für Funnel- und Abbruchanalyse verarbeitet und Random-Forest- und XGBoost-Modelle trainiert, ROC-AUC von 0,82 erzielt und die Präzision bei Conversion-Prognosen um 15 % gesteigert.
Technologien: Python, Pandas, Scikit-Learn, XGBoost, Git, AWS Lambda, S3, FastAPI, GitHub Actions, PostgreSQL, Docker.

Nov. 2022 - Jan. 2024

1 Jahr 3 Monaten

Bengaluru, Indien

Cloud-basierte KI-Pipeline mit YOLOv6 auf SageMaker entwickelt, um Verkehrsverstöße automatisch aus städtischen Video-Feeds zu erkennen, Erkennungsgenauigkeit um 30 % und Fahrzeugidentifikation um 21 % verbessert.
Videoprozessierung automatisiert mit Lambda-Triggern für Inferenz bei neuen S3-Uploads und Echtzeit-Aggregation der Ergebnisse.
DSGVO-konformes Anonymisierungs-Plugin hinzugefügt, das Gesichter und Kennzeichen mit YOLOv6 und OpenCV maskiert und so Privatsphäre wahrt bei gleichbleibender Analysegenauigkeit.
Modell-Updates und Deployment mit CI/CD optimiert, um konsistente und skalierbare Abläufe zu gewährleisten.
Technologien: Python, YOLOv6, PyTorch, OpenCV, AWS Lambda, S3, SageMaker, CI/CD, GitHub Actions, Docker, FastAPI.

Sept. 2021 - Okt. 2022

1 Jahr 2 Monaten

Singapur

Echtzeit-Verkehrs-Dashboards mit stadtweiten Kamerafeeds entwickelt, damit Planer den Verkehrsfluss und Staus effektiv überwachen können.
Daten von 11 Standorten verarbeitet und umsetzbare Erkenntnisse für das Verkehrsmanagement gewonnen.
Unüberwachte Clusteranalyse von GPS-Daten angewendet, um Reisemuster zu identifizieren, was zu 15 % Kosteneinsparungen bei der Planung des öffentlichen Nahverkehrs beigetragen hat.
Technologien: Python, Matplotlib, Plotly, PostgreSQL.

Okt. 2019 - Sept. 2021

2 Jahren

Singapur

Analysierte GPS-Daten eines Fahrradverleihsystems, um die Nutzerzufriedenheit und Betriebseffizienz zu verbessern.
Steigerte die Nutzungsdauer des Fahrradverleihs um 18 % durch Mustererkennung und optimierte Einsatzplanung.
Entwickelte interaktive Dashboards mit Plotly für die Echtzeit-Leistungsüberwachung.
Technologien: Python, SQL, Plotly, Datenanalyse.