Ich studiere CS & Engineering an der TH Köln und entwickle als Freelancer
Ich baue reproduzierbare ML-Pipelines mit Dagster, MLflow Model Registry (@champion) und automatischem Evidently Data-Drift-Monitoring.
Systeme und Anwendungen, die ich von reproduzierbaren MLOps-Pipelines bis zu verteilten Speicherarchitekturen und nativen Apps entwickelt habe.
End-to-End-MLOps-Pipeline zur Vorhersage der Pflanzenbiomasse (Frischgewicht) aus RGB-Bildern, orchestriert über Dagster, mit Experiment-Tracking in MLflow, Gradio-Serving und automatischem Data-Drift-Monitoring mit Evidently.
Leistungsstarkes verteiltes Dateisystem mit automatischer Replikation und Fehlertoleranz, von Grund auf in C++ entwickelt.
Native Android-App zur Echtzeit-Erfassung, Zählung und statistischen Auswertung von Fuß- und Radverkehr.
Native macOS-App (entwickelt in Xcode), die Aufgaben mithilfe von Machine Learning automatisch priorisiert und ihren Aufwand schätzt.
Die Sprachen, Frameworks und Methoden, die ich täglich für Web- & App-Entwicklung, Deep Learning und skalierbare Softwaresysteme einsetze.
Du suchst Unterstützung bei einer maßgeschneiderten Web- oder Mobile-Applikation für dein Startup oder Unternehmen, oder möchtest dich über Deep Learning, LLMs und MLOps austauschen? Schreib mir gern, ich melde mich zeitnah zurück.