Spoorthy S.

Forschungsingenieur für maschinelles Lernen

Ulm, Deutschland

Erfahrungen

Apr. 2024 - Apr. 2025
1 Jahr 1 Monate
München, Deutschland

Forschungsingenieur für maschinelles Lernen

Fraunhofer EMFT

  • End-to-End-Pipelines für prädiktive Modellierung von Sensordaten entwickelt und die Genauigkeit der Restlebensdauer (RUL)-Schätzung um 15% verbessert
  • Einen Active-Learning-Workflow mit Unsicherheitsabtastung entwickelt und den manuellen Labelaufwand um 30% reduziert
  • MLflow für Experiment-Tracking, Hyperparameter-Protokollierung und Modellversionierung eingesetzt und reproduzierbare Trainings-Pipelines sichergestellt
  • CI/CD-Tools (Jenkins, GitHub Actions) genutzt, um Deployment-Prozesse zu automatisieren und Modell-Release-Zyklen zu verkürzen
Sept. 2022 - Feb. 2024
1 Jahr 6 Monaten
Freiburg im Breisgau, Deutschland

Wissenschaftliche Hilfskraft

Fraunhofer EMI/Fraunhofer IEE

  • Die Genauigkeit der Energie-Netzvorhersage um 12% verbessert, indem LSTM und CNN auf Multi-Output-Zeitreihendaten eingesetzt wurden
  • Domänenspezifische Datensätze kuratiert und vorverarbeitet für die Feinabstimmung von LLMs zur Verletzungsrisikoanalyse
  • Open-Source-LLMs (BERT, LLaMA) feinabgestimmt und dabei einen F1-Score von 0,85 in der Verletzungsrisikoklassifikation erreicht
  • RAG-Workflows mit LangChain und FAISS aufgebaut und die QA-Genauigkeit durch kontextbewusstes Retrieval um 15% gesteigert
  • Prompt Engineering angewandt und LLM-Ergebnisse evaluiert, um Vorhersagekonsistenz zu verbessern und Fehler zu reduzieren
  • Hugging Face- und OpenAI-APIs in Unternehmensanwendungen integriert
  • CI/CD-Pipelines automatisiert für reproduzierbares Training, Versionierung und effiziente Bereitstellung
Juni 2022 - Aug. 2022
3 Monaten
Ulm, Deutschland

Studentische Hilfskraft

Universität Ulm

  • Bioimpedanz-Sensor-Zeitreihendaten mit Pandas, NumPy und SQL bereinigt, vorverarbeitet und analysiert

Zusammenfassung

Forschungsingenieur für maschinelles Lernen 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 ausgeprägter Expertise in LLM-Feinabstimmung, RAG-Workflows und skalierbarer Bereitstellung.

Sprachen

Englisch
Verhandlungssicher
Deutsch
Fortgeschritten

Ausbildung

Apr. 2021 - Apr. 2025

Universität Ulm

M.Sc. · Kommunikations- und Informationstechnik · Deutschland

Aug. 2015 - Aug. 2019

Nationales Institut für Ingenieurwesen

B.Eng. · Elektronik- und Kommunikationstechnik · Indien

Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testen
Weitere Aktionen