Spoorthy Siddannaiah - Forschungsingenieur für Machine Learning

Q: Wo ist Spoorthy ansässig?

Spoorthy ist in Ulm, Deutschland ansässig.

Q: Welche Sprachen spricht Spoorthy?

Spoorthy spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten) .

Q: Wie viele Jahre Erfahrung hat Spoorthy?

Spoorthy hat mindestens 3 Jahre Erfahrung. In dieser Zeit hat Spoorthy in mindestens 3 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 11 Monate . Beachten Sie, dass Spoorthy möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Spoorthy?

Die neueste Position von Spoorthy ist Forschungsingenieur für Machine Learning bei Fraunhofer EMFT .

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

In den letzten Jahren hat Spoorthy für Fraunhofer EMFT , Fraunhofer EMI/Fraunhofer IEE und Ulm University gearbeitet.

Q: In welchen Industrien hat Spoorthy die meiste Erfahrung?

Spoorthy hat die meiste Erfahrung in Industrien wie Energie , Fertigung und Bildung . Spoorthy hat auch etwas Erfahrung in Gesundheitswesen .

Q: In welchen Bereichen hat Spoorthy die meiste Erfahrung?

Spoorthy hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung , Informationstechnologie und Produktentwicklung .

Q: Was ist die Ausbildung von Spoorthy?

Spoorthy hat einen Master in Kommunikations- und Informationstechnik from Universität Ulm und einen Bachelor in Elektronik und Kommunikationstechnik from Nationales Institut für Ingenieurwesen .

Q: Wie ist die Verfügbarkeit von Spoorthy?

Spoorthy ist sofort vollzeit verfügbar für passende Projekte.

Recommended expert

Ulm, Deutschland

Erfahrungen

Apr. 2024 - Apr. 2025

1 Jahr 1 Monat

München, Deutschland

Forschungsingenieur für Machine Learning

Fraunhofer EMFT

Entwickelte End-to-End-Pipelines für prädiktive Modellierung von Sensordaten und verbesserte die Genauigkeit der Schätzung der Restlebensdauer (RUL) um 15%
Entwickelte einen Active-Learning-Workflow mit Unsicherheits-Sampling, was die manuelle Kennzeichnung um 30% verringerte
Verwendete MLflow für Experiment-Tracking, Hyperparameter-Protokollierung und Modellversionierung, um reproduzierbare Trainingspipelines zu gewährleisten
Setzte CI/CD-Tools (Jenkins, GitHub Actions) ein, um Deployment-Prozesse zu automatisieren und die Modell-Release-Zyklen zu verkürzen

Sept. 2022 - Feb. 2024

1 Jahr 6 Monate

Freiburg im Breisgau, Deutschland

Wissenschaftliche Hilfskraft

Fraunhofer EMI/Fraunhofer IEE

Verbesserte die Genauigkeit der Netzprognose um 12% durch den Einsatz von LSTM und CNN für multivariate Zeitreihendaten
Kuratierte und vorverarbeitete domänenspezifische Datensätze für das Fine-Tuning von LLMs zur Analyse von Verletzungsrisiken
Stimmte Open-Source-LLMs (BERT, LLaMA) fein ab und erreichte dabei einen F1-Score von 0,85 in der Verletzungsrisikoklassifizierung
Entwickelte RAG-Workflows mit LangChain und FAISS, was die Genauigkeit bei Frage-Antwort-Systemen durch kontextbewusste Suche um 15% verbesserte
Setzte Prompt Engineering ein und bewertete LLM-Ausgaben, um die Prognosekonsistenz zu erhöhen und Fehler zu reduzieren
Integrierte Hugging Face- und OpenAI-APIs in Unternehmensanwendungen
Automatisierte CI/CD-Pipelines für reproduzierbares Training, Versionierung und optimiertes Deployment

Juni 2022 - Aug. 2022

3 Monate

Ulm, Deutschland

Studentische Hilfskraft

Ulm University

Bereinigte, vorverarbeitete und analysierte Zeitreihendaten von Bioimpedanzsensoren mithilfe von Pandas, NumPy und SQL

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 Energie (1.5 Jahre) und Fertigung (1 Jahr).

Energie

Fertigung

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 Informationstechnologie (2.5 Jahre), Forschung und Entwicklung (2.5 Jahre) und Produktentwicklung (1 Jahr).

Informationstechnologie

Forschung und Entwicklung

Produktentwicklung

Zusammenfassung

Forschungsingenieur für Machine Learning mit über 2 Jahren Erfahrung in Deep Learning, NLP und LLMs. Spezialisiert auf den Aufbau robuster ML-Pipelines für reale Sensorsysteme und NLP-Anwendungen, mit fundierter Expertise im Fine-Tuning von LLMs, RAG-Workflows und skalierbarer Bereitstellung.

Fähigkeiten

Python
Sql
Azure
Aws
Docker
Ci/cd Pipelines
Git
Linux
Nlp
Llms
Transformers
Rag
Reinforcement Learning
Pytorch
Tensorflow
Scikit-learn
Pandas
Numpy
Matplotlib
Langchain
Hugging Face

Sprachen

Englisch

Verhandlungssicher

Deutsch

Fortgeschritten

Ausbildung

Apr. 2021 - Apr. 2025

Universität Ulm

Master of Science, Kommunikations- und Informationstechnik · Kommunikations- und Informationstechnik · Ulm, Deutschland

Aug. 2015 - Aug. 2019

Nationales Institut für Ingenieurwesen

Bachelor of Engineering, Elektronik und Kommunikationstechnik · Elektronik und Kommunikationstechnik · Indien

Profil

Erstellt

Oktober 2025

Stand

Dezember 2025

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Frequently asked questions

Sie haben Fragen? Hier finden Sie weitere Informationen.

Wo ist Spoorthy ansässig?

Spoorthy ist in Ulm, Deutschland ansässig.

Welche Sprachen spricht Spoorthy?

Spoorthy spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).

Wie viele Jahre Erfahrung hat Spoorthy?

Spoorthy hat mindestens 3 Jahre Erfahrung. In dieser Zeit hat Spoorthy in mindestens 3 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 11 Monate. Beachten Sie, dass Spoorthy möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Spoorthy am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Spoorthy gut geeignet für Rollen wie: Forschungsingenieur für Machine Learning, Wissenschaftliche Hilfskraft, Studentische Hilfskraft.

Was ist das neueste Projekt von Spoorthy?

Die neueste Position von Spoorthy ist Forschungsingenieur für Machine Learning bei Fraunhofer EMFT.

Für welche Unternehmen hat Spoorthy in den letzten Jahren gearbeitet?

In den letzten Jahren hat Spoorthy für Fraunhofer EMFT, Fraunhofer EMI/Fraunhofer IEE und Ulm University gearbeitet.

In welchen Industrien hat Spoorthy die meiste Erfahrung?

Spoorthy hat die meiste Erfahrung in Industrien wie Energie, Fertigung und Bildung. Spoorthy hat auch etwas Erfahrung in Gesundheitswesen.

In welchen Bereichen hat Spoorthy die meiste Erfahrung?

Spoorthy hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung, Informationstechnologie und Produktentwicklung.

Was ist die Ausbildung von Spoorthy?

Spoorthy hat einen Master in Kommunikations- und Informationstechnik from Universität Ulm und einen Bachelor in Elektronik und Kommunikationstechnik from Nationales Institut für Ingenieurwesen.

Wie ist die Verfügbarkeit von Spoorthy?

Spoorthy ist sofort vollzeit verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Spoorthy?

Der Stundensatz von Spoorthy 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 Spoorthy beauftragen?

Um Spoorthy 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: 800-960 €

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.