22.05.2024 aktualisiert
100 % verfügbar
Principal Data Scientist & Software Architect NLP
Berlin, Deutschland
Deutschland +2
Dr. rer. oec / Dipl. PhysikerSkills
Machine learningPythonKünstliche IntelligenzArtificial Intelligencedeep learining Data ScienceNLPNatural Language Processing (NLP)Natural Language ProcessingSoftware-Architekt
Gerne bringe ich meine mehr als 9 Jahre Berufserfahrung im Bereich Data Science und Machine Learning in Ihr Projekt ein, oder setze Ihr Projekt komplett um.
Meine Kerngebiete sind Natural Language Processing (NLP), Causal Inference und Software-Architektur für Python-basierte Machine-Learning-Software.
Auswahl an Methoden:
- Deep Learning, z.B. Transformer, LSTM, CNN Architekturen
- Named-entity Recognition (NER)
- Sequence Tagging
- Active Learning
- Causal Inference (quasi-experimentelle ökonometrische Methoden)
- Statistik
- Predictive B2B Sales Modelle
- Predictive Analytics Modelle im Versicherungssektor
- Deduplizierung und Data Matching
- Geoinformationssysteme (GIS)
- Simulation und Optimierung von Energiesystemen und Klimawandelprognosen
- Numerische Optimierung
- Zeitreihenanalyse und Regressionen
Bisher eingesetzte Technologien:
Sprachen: Python, R, Javascript
Machine Learning & Data Science: PyTorch, transformers, scikit-learn, spaCy, flair, Pandas, Dask
DevOps: Docker, Kubernetes, Linux, CI/CD, Cloud Computing
Datenbanken: PostgreSQL, MongoDB
Web: Microservices, REST
Meine Kerngebiete sind Natural Language Processing (NLP), Causal Inference und Software-Architektur für Python-basierte Machine-Learning-Software.
Auswahl an Methoden:
- Deep Learning, z.B. Transformer, LSTM, CNN Architekturen
- Named-entity Recognition (NER)
- Sequence Tagging
- Active Learning
- Causal Inference (quasi-experimentelle ökonometrische Methoden)
- Statistik
- Predictive B2B Sales Modelle
- Predictive Analytics Modelle im Versicherungssektor
- Deduplizierung und Data Matching
- Geoinformationssysteme (GIS)
- Simulation und Optimierung von Energiesystemen und Klimawandelprognosen
- Numerische Optimierung
- Zeitreihenanalyse und Regressionen
Bisher eingesetzte Technologien:
Sprachen: Python, R, Javascript
Machine Learning & Data Science: PyTorch, transformers, scikit-learn, spaCy, flair, Pandas, Dask
DevOps: Docker, Kubernetes, Linux, CI/CD, Cloud Computing
Datenbanken: PostgreSQL, MongoDB
Web: Microservices, REST
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
- Konzeption und Implementierung von POCs für Natural Language Processsing Use Cases
- Basierend auf Sequence Tagging, Transformer-Modellen und Active Learning
- Implementation als Plattform für Continuous Deployment und Retraining als Self-Service
- Basierend auf Sequence Tagging, Transformer-Modellen und Active Learning
- Implementation als Plattform für Continuous Deployment und Retraining als Self-Service
- Implementierung von NLP Use Cases für Informationsextraktion aus Dokumenten
- Entwicklung von Transformer-basierten Modellen für NER, Sequence Tagging und Document Classification
- Entwicklung von Transformer-basierten Modellen für NER, Sequence Tagging und Document Classification
- Entwicklung von Causal Inference Modellen für Pricing/Churn
- Projektmanagement
- Projektmanagement