Vedant K. - KI-Ingenieur

Pune, Indien

Erfahrungen

Juli 2025 - Bis heute

6 Monaten

Pune, Indien

Führte komplette KI-Projekte für Kunden von der Bedarfsanalyse bis zur Bereitstellung durch und lieferte NLP-, Computer-Vision- und Automatisierungslösungen mit messbarem Geschäftsnutzen.
Entwarf und implementierte LLM-basierte agentische Anwendungen und Chatbots unter Einsatz von Prompt-Engineering, Evaluation und LLMOps für skalierbare Leistung.
Entwickelte produktionsreifen Code und setzte Lösungen auf Cloud-Plattformen um, gewährleistete Zuverlässigkeit, Skalierbarkeit und Kosteneffizienz.

Jan. 2025 - Dez. 2025

1 Jahr

Entwickelte ein Multi-Agenten-RAG-System mit LangChain und LangGraph zur Orchestrierung intelligenter Workflows und integrierte Hugging Face-Transformermodelle mit SQL-Datenbanken für hybriden Abruf aus strukturierten und unstrukturierten Datenquellen.
Entwickelte eine Pipeline zur Übersetzung von natürlicher Sprache in SQL, nutzte feinabgestimmte Sprachmodelle, um Benutzeranfragen in optimierte Datenbankabfragen zu konvertieren, und erreichte dank strategischem Caching und GPU-beschleunigter Inferenz Reaktionszeiten unter einer Sekunde.
Erstellte eine intelligente Agentenarchitektur mit spezialisierten Rollen (Query Router, Document Retriever, SQL Analyst), die selbstständig optimale Datenquellen auswählt und durch iteratives Verfeinern die Antwortgenauigkeit verbessert, indem Konversationsspeicher und erklärbare KI-Funktionen implementiert wurden.

Jan. 2024 - Juni 2025

1 Jahr 6 Monaten

Chicago, Vereinigte Staaten

Entwickelte Retrieval-Augmented-Generation-(RAG)-Systeme mit den Frameworks LangChain und LangGraph, nutzte statistische Analysen und Evaluationsmethoden, um 92% Genauigkeit bei unstrukturierten Datentasks zu erreichen.
Erstellte skalierbare Datenpipelines, um klinische Dokumentation in analysebereite Datensätze zu überführen, verwendete Validierungs- und Vorverarbeitungstechniken, die die Vorbereitungszeit um 60% reduzierten und die Modellleistung in nachgelagerten Schritten steigerten.
Entwarf Evaluationsframeworks, die Performance-Metriken, Fehleranalyse und Fine-Tuning-Methoden kombinierten, um die Modellgenauigkeit iterativ zu verbessern und gleichzeitig den Aufwand für erneutes Training zu verringern.
Arbeitete mit funktionsübergreifenden Teams zusammen, um KI-Lösungen mit LLM in reale Prozesse zu integrieren.

Jan. 2024 - Dez. 2024

1 Jahr

Entwickelte eine spezialisierte Version von LLaMA 2 (7B), die natürliche Sprachbeschreibungen mit hoher Genauigkeit in ausführbaren Code umwandelt.
Implementierte effiziente Datenpipelines zur Verarbeitung von 500.000 Text-Code-Paaren unter Einsatz von Parameter Efficient Fine Tuning (PEFT) und 4-Bit-Quantisierungstechniken.
Entwarf die Trainingsinfrastruktur mit Nvidia CUDA für parallele Verarbeitung und optimierte Speichernutzung.
Erzielte eine deutliche Reduzierung des Rechenbedarfs und eine 3-fach schnellere Trainingszeit im Vergleich zu CPU-basierten Ansätzen.

Jan. 2022 - Dez. 2022

1 Jahr

Entwickelte ein KI-System, das menschliche Emotionen aus Sprachmustern präzise erkennt, um die Analyse der Nutzerinteraktion zu verbessern.
Entwarf maßgeschneiderte Datenpipelines zur akustischen Merkmalsextraktion mit TensorFlow und Keras, kombinierte LSTM- und CNN-Architekturen für zeitliche und räumliche Mustererkennung.
Implementierte ein hybrides Modell, das Deep Learning mit linearen Regressoren kombiniert, um komplexe emotionale Hinweise in Audiosignalen zu erfassen.
Erreichte 82% Genauigkeit bei der Emotionsklassifikation, was eine Verbesserung von 15% gegenüber bestehenden Modellen darstellt.

Mai 2021 - Okt. 2022

1 Jahr 6 Monaten

Mumbai, Indien

Erstellte NLP-Projekte in Python und R, um Textdaten zu analysieren und Schlüsselinformationen zu extrahieren, wodurch die manuelle Überprüfung um 40% reduziert wurde.
Unterstützte bei der Integration von Machine-Learning-Modellen in Daten-Workflows, was die Verarbeitungseffizienz um 30% steigerte und die Vorhersagen zuverlässiger machte.
Entwickelte Tools zur Datenanalyse, um komplexe Datensätze in klare Erkenntnisse zu verwandeln, unterstützte Teamprojekte und sparte Kosten für externe Analysearbeiten (ca. 150.000 $ jährlich).