Skill-Profil eines fest angestellten Mitarbeiters des Dienstleisters
Einsatzorte
Einsatzorte
München (+50km)
Deutschland
möglich
Projekte
Projekte
5 Monate
2024-04 - heute
Datenbasierte Preisvorhersage für Second-Hand-Waren im E-Commerce mit Machine Learning
Data Scientist, Analyst und EntwicklerXGBoostRandom ForestKNN Regressor...
Data Scientist, Analyst und Entwickler
Wir entwickeln ein fortschrittliches KI-Modell zur Preisvorhersage für Second-Hand-Waren im E-Commerce-Bereich. Dieses Modell wird speziell für Online-Plattformen entwickelt, um Verkäufern eine präzise Preisempfehlung zu bieten. Im Second-Hand-Markt variieren die Preise stark abhängig von Zustand, Marke, Nachfrage und diversen anderen Features. Unsere Lösung testet eine Vielzahl von maschinellen Lernmodellen, darunter Random Forest, XGBoost, neuronale Netze, SVM- und KNN-Regressoren sowie einen Voting-Regressor, um die genauest möglichen Vorhersagen zu liefern. Jedes Modell wurde sorgfältig mit Hyperparameteroptimierung eingestellt, um optimale Ergebnisse zu erzielen. Die Abfrage unseres Modells erfolgt über eine API-Schnittstelle, deren Integrität und Korrektheit durch Pydantic validiert wird, was eine robuste und zuverlässige Lösung für die dynamischen Anforderungen des Online-Second-Hand-Marktes bietet. Diese technologische Innovation unterstützt die Preisgestaltung durch präzise und datengetriebene Einsichten, verbessert das Käufer- und Verkäufererlebnis und fördert einen effizienteren und transparenteren Markt.
Echtzeit predictive maintenance von Industriemaschinen mithilfe von Schall
KI EntwicklerPythonAIConvolutional Neural Networks...
KI Entwickler
Wir entwickeln ein neuartiges KI-Modell für die Objekterkennung in Schall. Das Modell wird für Edge-Audioanalytics entwickelt, ein Pro- dukt für die vorbeugende Instandhaltung und Zustandsüberwachung von Maschinen, das ausschlieÿlich Schall verwendet. Alle Maschinen geben Geräusche ab, die sich je nach Last, Betriebszustand und Ge- sundheitszustand ändern. Wenn der Schall ordnungsgemäÿ analysiert wird, kann er daher für die Zustandsüberwachung, vorbeugende In- standhaltung und Steuerung der Maschine verwendet werden. Zu die- sem Zweck entwickeln wir ein neuartiges und robustes KI-Modell zur Erkennung und Klassizierung von Ereignissen in Schall, das speziell für den Einsatz auf Edge-Computern ausgelegt ist.
Framework für vollautomatisierten algorithmischen Handel in Echtzeit
Software DeveloperPythonRESTExcel...
Software Developer
Wir entwickeln ein neuartiges Toolkit, um Trading-Strategien einfach zu entwerfen, zu testen und einzusetzen. Dieses leistungsstarke Toolkit vereint alle Werkzeuge, die Sie benötigen, um anspruchsvolle Handelsalgorithmen zu erstellen und in der Cloud auszuführen. Mit unserem Toolkit können Sie Ihre eigenen Handelsstrategien einfach entwerfen, testen und einsetzen. Ob Sie Anfänger oder erfahrener Trader sind, unsere intuitive Benutzeroberfläche erleichtert den Einstieg. Unser Toolkit umfasst eine vollständige Reihe von Tools und Funktionen, einschließlich Datenbeschaffung und -verarbeitung, anpassbare Backtesting- und Optimierungstools, Live-Handel und Echtzeit-Marktdaten.
GitHub
[URL on request]
PythonRESTExcelRule Based AIAWSnumpyPandasGitGitHubCI/CD
2 Jahre 8 Monate
2019-10 - 2022-05
Simulation nichtlinearer hyperbolischer Erhaltungsgesetze auf Netzwerken
CLoNe ist Ihr bevorzugter Solver zur Lösung nichtlinearer hyperbolischer Erhaltungsgesetze auf Netzwerken, ideal für die Modellierung von Szenarien wie Gasströmungen in Rohrnetzen oder Verkehrsflüssen auf Straßennetzen. Es ist sehr flexibel und ermöglicht es Ihnen, verschiedene Netzwerke zu erstellen und verschiedene Flussfunktionen und numerische Methoden auszuprobieren. Darüber hinaus macht sein objektorientierter Aufbau es einfach, verschiedene Teile auszutauschen, sodass Sie mit Leichtigkeit in verschiedene Modelle und Fragestellungen eintauchen können. Ich habe die Entwicklung dieses Projekts im Rahmen meiner Doktorarbeit geleitet.
GitHub
[URL on request]
PythonNumericsFinite-Volumen-Methodenumpy
University of Oslo
Oslo
2 Jahre 9 Monate
2019-09 - 2022-05
Analyse nichtlinearer hyperbolischer Erhaltungsgesetze auf Netzwerken
Wir haben uns mit nichtlinearen hyperbolischen Erhaltungsgesetzen beschäftigt, die auf Graphenstrukturen angewendet werden, die grundlegend für die Modellierung von Gasströmungen in Rohrnetzen oder Verkehrsdynamiken auf Straßennetzen sind. Durch innovative analytische Methoden und strenge Argumentation haben wir die Existenz, Eindeutigkeit und Stabilität von Lösungen für dieses neuartige Modell demonstriert. Unsere Untersuchung hat bedeutende Erkenntnisse erbracht, was zur Veröffentlichung von zwei peer-reviewed Artikeln in angesehenen Fachzeitschriften in unserem Bereich führte.
Wir untersuchen das zero-noise limit für eindimensionale gewöhnliche Differentialgleichungen, bei denen die rechte Seite unstetig ist. In einfacheren Worten betrachten wir, was passiert, wenn wir allmählich alle zufälligen oder unvorhersehbaren Elemente aus dem System entfernen. Obwohl es in der regulären Gleichung viele verschiedene Lösungen geben könnte, zeigen unsere strengen mathematischen Beweise und Simulationen mit MATLAB, dass die Sequenz leicht zufälliger Lösungen sich letztendlich in ein spezifisches Muster einfügt, das eng mit den üblichen Lösungen verbunden ist, und zwar in einem weiten Bereich von Szenarien.
Probability TheoryStochastic AnalysisMATLAB
University of Oslo
Oslo
10 Monate
2017-09 - 2018-06
Hybridisierbare diskontinuierliche Galerkin-Methode mit gemischt-gradigen Ansatzräumen für nichtlineare Diffusionsgleichungen mit internen Sprüngen
Wir haben eine hybridisierbare diskontinuierliche Galerkin-Methode entwickelt, um parabolische Gleichungen mit nichtlinearen tensorwertigen Koeffizienten und Sprungbedingungen, wie zum Beispiel das Henry-Gesetz, zu lösen. Durch rigorose mathematische Beweise haben wir die optimale Konvergenzordnung für leicht nichtlineare Szenarien bestimmt. Wir haben die Methode in C++ implementiert, und unsere numerischen Studien bestätigten die vorhergesagte Konvergenzordnung. Darüber hinaus führten wir eine Reihe numerischer Experimente durch, um den Einfluss verschiedener Approximationsräume auf verschiedene Unbekannte zu bewerten.
In diesem Forschungsprojekt haben wir ein mechanistisches Modell für den Transport, die Entwicklung von Biomasse und die Umstrukturierung von Feststoffen entwickelt. Wir haben beliebige Formen für die Baueinheiten und ihre Zusammensetzungen, Gas-, Feststoff- und Flüssigphasen sowie Biofilme modelliert. Interaktionsregeln innerhalb und zwischen den Phasen werden mithilfe eines zellulären Automaten und eines Systems partieller Differentialgleichungen vorgegeben. Diese führen zu einer strukturellen Selbstorganisation der jeweiligen Phasen, die die zeitabhängige Zusammensetzung des Rechengebiets definiert. Innerhalb der nicht-festen Phasen können chemische Spezies diffundieren und reagieren. Darüber hinaus werden Ladungen und Ladungserhaltungsgesetze sowohl für die feste Phase als auch für Ionen in Lösung in das Modell aufgenommen, da elektrostatische Anziehung eine wichtige treibende Kraft für Aggregation ist. Das betriebsbereite, umfassende Modell ermöglicht es, die Strukturbildung als Funktion der Größe und Form der Feststoffpartikel zu untersuchen. Die Implementierung des zellulären Automaten, der poröse Medien auf kleiner Skala simuliert, erfolgte in Matlab und C++. Ich habe wesentliche Teile des CAM in Matlab und C++ implementiert, numerische Experimente durchgeführt, den Code verifiziert, Diagramme erstellt und bei der Datenanalyse und Präsentation geholfen, wobei ich die interdisziplinäre Zusammenarbeit in einem groß angelegten Softwareprojekt optimiert habe.
MATLABC++14Cellular Automaton MethodPorous Media
Friedrich-Alexander-University Erlangen-Nuremberg
Erlangen
10 Monate
2015-10 - 2016-07
Maximierung der Effizienz: Multigrid-Lösung durch progressive Basenverfeinerung für lineare Gleichungssysteme, die aus diskontinuierlichen Galerkin-Diskretisierungen stammen
In dieser Studie habe ich einen neuartigen Ansatz zur Multigrid-Lösung angewendet, der eine progressive Verfeinerung der angewendeten Basisfunktionen anstelle der konventionellen gitterbasierten Methode vorsieht. Durch die Implementierung dieses innovativen Lösers in MATLAB/GNU Octave habe ich rigorose numerische Leistungsbewertungen durchgeführt und die Ergebnisse mit früheren Ergebnissen aus verschiedenen Diskretisierungstechniken verglichen.
Datengetriebene Nachhaltigkeit: Entwicklung einer Serveranwendung für die Analyse intelligenter Stromnetze
Software DeveloperPythonPandasMySQL
Software Developer
Mir wurde die Aufgabe gestellt, eine Serveranwendung zur Unterstützung zukünftiger Analysen eines Smart Grids zu entwickeln. Diese Anwendung ist verantwortlich für die Sammlung von Daten aus verschiedenen Geräten wie Solaranlagen und thermischen Speichersystemen sowie deren Speicherung in einer Datenbank. Unter Verwendung von Python, insbesondere des pandas-Pakets, habe ich die Daten gesammelt und verarbeitet und eine MySQL-Datenbank für die langfristige Speicherung der gesammelten Daten verwendet.
PythonPandasMySQL
Fraunhofer IISB
Erlangen
Aus- und Weiterbildung
Aus- und Weiterbildung
3 Monate
2023-11 - 2024-01
Deep Learning: 120 Stunden Onlinekurs
Certificate of accomplishment in Deep Learning, Coursera
Certificate of accomplishment in Deep Learning
Coursera
In dieser Spezialisierung habe ich neuronale Netzwerkarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, LSTMs und Transformers entwickelt und gelernt, wie man sie mithilfe von Strategien wie Dropout, BatchNorm und Xavier/He-Initialisierung verbessert. Ich habe diese theoretischen Konzepte gemeistert, ihre branchenüblichen Anwendungen mit Python und TensorFlow erlernt und mich mit realen Anwendungsfällen wie Spracherkennung, Musiksynthese, Chatbots, maschineller Übersetzung, natürlicher Sprachverarbeitung und mehr auseinandergesetzt.
1 Monat
2023-12 - 2023-12
TensorFlow Development: 80 Stunden Onlinekurs
Certificate of accomplishment in TensorFlow Development, Coursera
Certificate of accomplishment in TensorFlow Development
Coursera
Im Rahmen dieses Professional Certificate-Programms habe ich gelernt, wie man neuronale Netzwerke mit TensorFlow erstellt und trainiert, wie man die Leistung des Netzwerks verbessert, indem man es mit Faltungen trainiert, um reale Bilder zu identifizieren, wie man Maschinen beibringt, menschliche Sprache mit natürlichen Sprachverarbeitungssystemen zu verstehen, zu analysieren und darauf zu reagieren, und vieles mehr!
1 Monat
2023-11 - 2023-11
Machine Learning: 80 Stunden Onlinekurs
Certificate of accomplishment in Machine Learning, Coursera
Certificate of accomplishment in Machine Learning
Coursera
Ich habe moderne Konzepte des maschinellen Lernens studiert, darunter überwachtes Lernen (lineare Regression, logistische Regression, neuronale Netzwerke, Entscheidungsbäume), unüberwachtes Lernen (Clustering, Anomalieerkennung), Empfehlungssysteme und verstärkendes Lernen. Ich habe einige bewährte Verfahren für den Aufbau von maschinellen Lernmodellen gelernt und praktische Fähigkeiten erworben, um maschinelle Lerntechniken auf anspruchsvolle reale Probleme anzuwenden.
3 Jahre 10 Monate
2018-08 - 2022-05
Promotion in Mathematik
Promotion, University of Oslo, Norway
Promotion
University of Oslo, Norway
Angewandte Mathematik und Implementierung numerischer Methoden in Python. Im spezifischen, Analyse und numerische Behandlung nichtlinearer hyperbolischer Erhaltungsgesetze auf Graphen.
2 Jahre 9 Monate
2015-10 - 2018-06
Studium der Mathematik
Master of Science, Friedrich-Alexander-Universität Erlangen-Nürnberg
Master of Science
Friedrich-Alexander-Universität Erlangen-Nürnberg
3 Jahre 7 Monate
2012-10 - 2016-04
Studium der Mathematik
Bachelor of Science, Friedrich-Alexander-Universität Erlangen-Nürnberg
Bachelor of Science
Friedrich-Alexander-Universität Erlangen-Nürnberg
Position
Position
Berater und Softwareentwickler im Bereich Datenanalyse und Künstliche Intelligenz.
Kompetenzen
Kompetenzen
Produkte / Standards / Erfahrungen / Methoden
Agile Entwicklung
Fortgeschritten
CI/CD
Basics
Betriebssysteme
Linux
Fortgeschritten
Windows
Fortgeschritten
Programmiersprachen
Python
Experte
Excel
Experte
C++
Experte
Datenbanken
SQL
Basics
Sqlite
Basics
MySQL
Basics
Datenkommunikation
REST API
Experte
HTTP
Fortgeschritten
Branchen
Branchen
Software Entwicklung, Datenanalyse und Künstliche Intelligenz
Einsatzorte
Einsatzorte
München (+50km)
Deutschland
möglich
Projekte
Projekte
5 Monate
2024-04 - heute
Datenbasierte Preisvorhersage für Second-Hand-Waren im E-Commerce mit Machine Learning
Data Scientist, Analyst und EntwicklerXGBoostRandom ForestKNN Regressor...
Data Scientist, Analyst und Entwickler
Wir entwickeln ein fortschrittliches KI-Modell zur Preisvorhersage für Second-Hand-Waren im E-Commerce-Bereich. Dieses Modell wird speziell für Online-Plattformen entwickelt, um Verkäufern eine präzise Preisempfehlung zu bieten. Im Second-Hand-Markt variieren die Preise stark abhängig von Zustand, Marke, Nachfrage und diversen anderen Features. Unsere Lösung testet eine Vielzahl von maschinellen Lernmodellen, darunter Random Forest, XGBoost, neuronale Netze, SVM- und KNN-Regressoren sowie einen Voting-Regressor, um die genauest möglichen Vorhersagen zu liefern. Jedes Modell wurde sorgfältig mit Hyperparameteroptimierung eingestellt, um optimale Ergebnisse zu erzielen. Die Abfrage unseres Modells erfolgt über eine API-Schnittstelle, deren Integrität und Korrektheit durch Pydantic validiert wird, was eine robuste und zuverlässige Lösung für die dynamischen Anforderungen des Online-Second-Hand-Marktes bietet. Diese technologische Innovation unterstützt die Preisgestaltung durch präzise und datengetriebene Einsichten, verbessert das Käufer- und Verkäufererlebnis und fördert einen effizienteren und transparenteren Markt.
Echtzeit predictive maintenance von Industriemaschinen mithilfe von Schall
KI EntwicklerPythonAIConvolutional Neural Networks...
KI Entwickler
Wir entwickeln ein neuartiges KI-Modell für die Objekterkennung in Schall. Das Modell wird für Edge-Audioanalytics entwickelt, ein Pro- dukt für die vorbeugende Instandhaltung und Zustandsüberwachung von Maschinen, das ausschlieÿlich Schall verwendet. Alle Maschinen geben Geräusche ab, die sich je nach Last, Betriebszustand und Ge- sundheitszustand ändern. Wenn der Schall ordnungsgemäÿ analysiert wird, kann er daher für die Zustandsüberwachung, vorbeugende In- standhaltung und Steuerung der Maschine verwendet werden. Zu die- sem Zweck entwickeln wir ein neuartiges und robustes KI-Modell zur Erkennung und Klassizierung von Ereignissen in Schall, das speziell für den Einsatz auf Edge-Computern ausgelegt ist.
Framework für vollautomatisierten algorithmischen Handel in Echtzeit
Software DeveloperPythonRESTExcel...
Software Developer
Wir entwickeln ein neuartiges Toolkit, um Trading-Strategien einfach zu entwerfen, zu testen und einzusetzen. Dieses leistungsstarke Toolkit vereint alle Werkzeuge, die Sie benötigen, um anspruchsvolle Handelsalgorithmen zu erstellen und in der Cloud auszuführen. Mit unserem Toolkit können Sie Ihre eigenen Handelsstrategien einfach entwerfen, testen und einsetzen. Ob Sie Anfänger oder erfahrener Trader sind, unsere intuitive Benutzeroberfläche erleichtert den Einstieg. Unser Toolkit umfasst eine vollständige Reihe von Tools und Funktionen, einschließlich Datenbeschaffung und -verarbeitung, anpassbare Backtesting- und Optimierungstools, Live-Handel und Echtzeit-Marktdaten.
GitHub
[URL on request]
PythonRESTExcelRule Based AIAWSnumpyPandasGitGitHubCI/CD
2 Jahre 8 Monate
2019-10 - 2022-05
Simulation nichtlinearer hyperbolischer Erhaltungsgesetze auf Netzwerken
CLoNe ist Ihr bevorzugter Solver zur Lösung nichtlinearer hyperbolischer Erhaltungsgesetze auf Netzwerken, ideal für die Modellierung von Szenarien wie Gasströmungen in Rohrnetzen oder Verkehrsflüssen auf Straßennetzen. Es ist sehr flexibel und ermöglicht es Ihnen, verschiedene Netzwerke zu erstellen und verschiedene Flussfunktionen und numerische Methoden auszuprobieren. Darüber hinaus macht sein objektorientierter Aufbau es einfach, verschiedene Teile auszutauschen, sodass Sie mit Leichtigkeit in verschiedene Modelle und Fragestellungen eintauchen können. Ich habe die Entwicklung dieses Projekts im Rahmen meiner Doktorarbeit geleitet.
GitHub
[URL on request]
PythonNumericsFinite-Volumen-Methodenumpy
University of Oslo
Oslo
2 Jahre 9 Monate
2019-09 - 2022-05
Analyse nichtlinearer hyperbolischer Erhaltungsgesetze auf Netzwerken
Wir haben uns mit nichtlinearen hyperbolischen Erhaltungsgesetzen beschäftigt, die auf Graphenstrukturen angewendet werden, die grundlegend für die Modellierung von Gasströmungen in Rohrnetzen oder Verkehrsdynamiken auf Straßennetzen sind. Durch innovative analytische Methoden und strenge Argumentation haben wir die Existenz, Eindeutigkeit und Stabilität von Lösungen für dieses neuartige Modell demonstriert. Unsere Untersuchung hat bedeutende Erkenntnisse erbracht, was zur Veröffentlichung von zwei peer-reviewed Artikeln in angesehenen Fachzeitschriften in unserem Bereich führte.
Wir untersuchen das zero-noise limit für eindimensionale gewöhnliche Differentialgleichungen, bei denen die rechte Seite unstetig ist. In einfacheren Worten betrachten wir, was passiert, wenn wir allmählich alle zufälligen oder unvorhersehbaren Elemente aus dem System entfernen. Obwohl es in der regulären Gleichung viele verschiedene Lösungen geben könnte, zeigen unsere strengen mathematischen Beweise und Simulationen mit MATLAB, dass die Sequenz leicht zufälliger Lösungen sich letztendlich in ein spezifisches Muster einfügt, das eng mit den üblichen Lösungen verbunden ist, und zwar in einem weiten Bereich von Szenarien.
Probability TheoryStochastic AnalysisMATLAB
University of Oslo
Oslo
10 Monate
2017-09 - 2018-06
Hybridisierbare diskontinuierliche Galerkin-Methode mit gemischt-gradigen Ansatzräumen für nichtlineare Diffusionsgleichungen mit internen Sprüngen
Wir haben eine hybridisierbare diskontinuierliche Galerkin-Methode entwickelt, um parabolische Gleichungen mit nichtlinearen tensorwertigen Koeffizienten und Sprungbedingungen, wie zum Beispiel das Henry-Gesetz, zu lösen. Durch rigorose mathematische Beweise haben wir die optimale Konvergenzordnung für leicht nichtlineare Szenarien bestimmt. Wir haben die Methode in C++ implementiert, und unsere numerischen Studien bestätigten die vorhergesagte Konvergenzordnung. Darüber hinaus führten wir eine Reihe numerischer Experimente durch, um den Einfluss verschiedener Approximationsräume auf verschiedene Unbekannte zu bewerten.
In diesem Forschungsprojekt haben wir ein mechanistisches Modell für den Transport, die Entwicklung von Biomasse und die Umstrukturierung von Feststoffen entwickelt. Wir haben beliebige Formen für die Baueinheiten und ihre Zusammensetzungen, Gas-, Feststoff- und Flüssigphasen sowie Biofilme modelliert. Interaktionsregeln innerhalb und zwischen den Phasen werden mithilfe eines zellulären Automaten und eines Systems partieller Differentialgleichungen vorgegeben. Diese führen zu einer strukturellen Selbstorganisation der jeweiligen Phasen, die die zeitabhängige Zusammensetzung des Rechengebiets definiert. Innerhalb der nicht-festen Phasen können chemische Spezies diffundieren und reagieren. Darüber hinaus werden Ladungen und Ladungserhaltungsgesetze sowohl für die feste Phase als auch für Ionen in Lösung in das Modell aufgenommen, da elektrostatische Anziehung eine wichtige treibende Kraft für Aggregation ist. Das betriebsbereite, umfassende Modell ermöglicht es, die Strukturbildung als Funktion der Größe und Form der Feststoffpartikel zu untersuchen. Die Implementierung des zellulären Automaten, der poröse Medien auf kleiner Skala simuliert, erfolgte in Matlab und C++. Ich habe wesentliche Teile des CAM in Matlab und C++ implementiert, numerische Experimente durchgeführt, den Code verifiziert, Diagramme erstellt und bei der Datenanalyse und Präsentation geholfen, wobei ich die interdisziplinäre Zusammenarbeit in einem groß angelegten Softwareprojekt optimiert habe.
MATLABC++14Cellular Automaton MethodPorous Media
Friedrich-Alexander-University Erlangen-Nuremberg
Erlangen
10 Monate
2015-10 - 2016-07
Maximierung der Effizienz: Multigrid-Lösung durch progressive Basenverfeinerung für lineare Gleichungssysteme, die aus diskontinuierlichen Galerkin-Diskretisierungen stammen
In dieser Studie habe ich einen neuartigen Ansatz zur Multigrid-Lösung angewendet, der eine progressive Verfeinerung der angewendeten Basisfunktionen anstelle der konventionellen gitterbasierten Methode vorsieht. Durch die Implementierung dieses innovativen Lösers in MATLAB/GNU Octave habe ich rigorose numerische Leistungsbewertungen durchgeführt und die Ergebnisse mit früheren Ergebnissen aus verschiedenen Diskretisierungstechniken verglichen.
Datengetriebene Nachhaltigkeit: Entwicklung einer Serveranwendung für die Analyse intelligenter Stromnetze
Software DeveloperPythonPandasMySQL
Software Developer
Mir wurde die Aufgabe gestellt, eine Serveranwendung zur Unterstützung zukünftiger Analysen eines Smart Grids zu entwickeln. Diese Anwendung ist verantwortlich für die Sammlung von Daten aus verschiedenen Geräten wie Solaranlagen und thermischen Speichersystemen sowie deren Speicherung in einer Datenbank. Unter Verwendung von Python, insbesondere des pandas-Pakets, habe ich die Daten gesammelt und verarbeitet und eine MySQL-Datenbank für die langfristige Speicherung der gesammelten Daten verwendet.
PythonPandasMySQL
Fraunhofer IISB
Erlangen
Aus- und Weiterbildung
Aus- und Weiterbildung
3 Monate
2023-11 - 2024-01
Deep Learning: 120 Stunden Onlinekurs
Certificate of accomplishment in Deep Learning, Coursera
Certificate of accomplishment in Deep Learning
Coursera
In dieser Spezialisierung habe ich neuronale Netzwerkarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, LSTMs und Transformers entwickelt und gelernt, wie man sie mithilfe von Strategien wie Dropout, BatchNorm und Xavier/He-Initialisierung verbessert. Ich habe diese theoretischen Konzepte gemeistert, ihre branchenüblichen Anwendungen mit Python und TensorFlow erlernt und mich mit realen Anwendungsfällen wie Spracherkennung, Musiksynthese, Chatbots, maschineller Übersetzung, natürlicher Sprachverarbeitung und mehr auseinandergesetzt.
1 Monat
2023-12 - 2023-12
TensorFlow Development: 80 Stunden Onlinekurs
Certificate of accomplishment in TensorFlow Development, Coursera
Certificate of accomplishment in TensorFlow Development
Coursera
Im Rahmen dieses Professional Certificate-Programms habe ich gelernt, wie man neuronale Netzwerke mit TensorFlow erstellt und trainiert, wie man die Leistung des Netzwerks verbessert, indem man es mit Faltungen trainiert, um reale Bilder zu identifizieren, wie man Maschinen beibringt, menschliche Sprache mit natürlichen Sprachverarbeitungssystemen zu verstehen, zu analysieren und darauf zu reagieren, und vieles mehr!
1 Monat
2023-11 - 2023-11
Machine Learning: 80 Stunden Onlinekurs
Certificate of accomplishment in Machine Learning, Coursera
Certificate of accomplishment in Machine Learning
Coursera
Ich habe moderne Konzepte des maschinellen Lernens studiert, darunter überwachtes Lernen (lineare Regression, logistische Regression, neuronale Netzwerke, Entscheidungsbäume), unüberwachtes Lernen (Clustering, Anomalieerkennung), Empfehlungssysteme und verstärkendes Lernen. Ich habe einige bewährte Verfahren für den Aufbau von maschinellen Lernmodellen gelernt und praktische Fähigkeiten erworben, um maschinelle Lerntechniken auf anspruchsvolle reale Probleme anzuwenden.
3 Jahre 10 Monate
2018-08 - 2022-05
Promotion in Mathematik
Promotion, University of Oslo, Norway
Promotion
University of Oslo, Norway
Angewandte Mathematik und Implementierung numerischer Methoden in Python. Im spezifischen, Analyse und numerische Behandlung nichtlinearer hyperbolischer Erhaltungsgesetze auf Graphen.
2 Jahre 9 Monate
2015-10 - 2018-06
Studium der Mathematik
Master of Science, Friedrich-Alexander-Universität Erlangen-Nürnberg
Master of Science
Friedrich-Alexander-Universität Erlangen-Nürnberg
3 Jahre 7 Monate
2012-10 - 2016-04
Studium der Mathematik
Bachelor of Science, Friedrich-Alexander-Universität Erlangen-Nürnberg
Bachelor of Science
Friedrich-Alexander-Universität Erlangen-Nürnberg
Position
Position
Berater und Softwareentwickler im Bereich Datenanalyse und Künstliche Intelligenz.
Kompetenzen
Kompetenzen
Produkte / Standards / Erfahrungen / Methoden
Agile Entwicklung
Fortgeschritten
CI/CD
Basics
Betriebssysteme
Linux
Fortgeschritten
Windows
Fortgeschritten
Programmiersprachen
Python
Experte
Excel
Experte
C++
Experte
Datenbanken
SQL
Basics
Sqlite
Basics
MySQL
Basics
Datenkommunikation
REST API
Experte
HTTP
Fortgeschritten
Branchen
Branchen
Software Entwicklung, Datenanalyse und Künstliche Intelligenz
Vertrauen Sie auf Randstad
Im Bereich Freelancing
Im Bereich Arbeitnehmerüberlassung / Personalvermittlung