Michael Nelz

- قدم حلول بنية تحتية وأتمتة MLOps، بما في ذلك نشر خوادم MLflow، وتتبع التجارب، وتحسين السجل، وتنفيذ خط الأنابيب القابل للتوسع عبر عدة مشاريع تعلم آلي باستخدام Azure Synapse وPyspark.

- هندسة منصة لتوقع التدفق النقدي لدعم التخطيط المالي، وتعزيز استقرار التنبؤ، وتحسين قرارات تخصيص القروض.

- طور نظام توقع الطلب من البداية إلى النهاية الذي حسن دقة تخصيص المواد وحسن تنظيم التخزين لتحقيق كفاءة تشغيلية.

تحسين تقدير أسعار السيارات وتطبيقات الذكاء الاصطناعي
الزبون: فاري AG
المدة: 06/2024 – 09/2024
تطوير سعر سيارة قوي وقابل للتوسع ودقيق للغاية
نموذج التقدير باستخدام تقنيات متقدمة في علم البيانات من خلال الاستفادة من
القدرات المتقدمة لمنصة Google Cloud Platform (GCP) وVertexAI.
أتمتة مطابقة رموز المركبات الوطنية التي تستغرق وقتا طويلا عبر فيزي
المطابقة مدعومة من قبل نماذج اللغة الكبيرة (GPT-4o وGemma من جوجل).
إثبات المفهوم لمطابقة معدات السيارات عبر نماذج اللغة الكبيرة لتوحيد
نظرة عامة على المعدات على الموقع الإلكتروني.
دليل على مفهوم روبوت دردشة اقتراح السيارات لمساعدة العملاء على الاطلاع
أما أنفسهم، فأهم عن السيارات التي تناسب احتياجاتهم ويقترحون عليها تركيب السيارات.
Techstack: بايثون، API، سيلينيوم، Git، Prediction، Scrum، Kanban، GCP
SQL، GCP IAM، GCP VERTEXAI، LLM، GPT-4O، هندسة التوجيه،
لانغشين، هاجينغفيس، دوكرتوقع استقبال الطلبات
الزبون: IJUNO GmbH | المدة: 03/2024 – 06/2024
تنفيذ توقعات مبيعات شهرية بناء على العوامل الاقتصادية. ال
تصل النتائج إلى دقة التنبؤ اليدوي وتستخدم في اتخاذ القرار
لتوفير الوقت. مشاركة المعرفة المتعلقة بالنشر على Azure-ML أو AWS
صانع الميرمية.
Techstack: بايثون، Git، Timeseries، AWS S3، AWS Cloudwatch، AWS IAM

علم البيانات - المكون الرئيسي للصيانة التنبؤية
العميل: مزود المواد الحرارية العالمي | المدة: 01/2023 – 12/2023
إدارة فريق مكون من 5 علماء بيانات لتطوير الرشاقة
لحاصل ضرب للتنبؤ بفترات الصيانة للحرارة العالية
الأفران بما في ذلك مراجعات الشيفرة والبرمجة الزوجية.
مقابلة عمل مع المرشحين لفريق علم البيانات.
دعم تحسين قائمة الأعمال المتراكمة كخبير في علم البيانات.
تقدير القصة داخل فريق علم البيانات.
التنفيذ العملي لميزات التعلم الآلي، وأيضا:
MLOps workflow مع Azure-ML، سجل النماذج، خطوط أنابيب Azure ML
وخطوط أنابيب CI-CD عبر Docker وKubernetes.
تمكين إعادة التدريب التلقائي لمنتج الذكاء الاصطناعي.
- عالم بيانات أول في الصيانة التنبؤية
العميل: مزود عالمي للمواد الحرارة
اللغة: الإنجليزية | المدة: 03/2021 – 12/2022
تنفيذ ميزات التعلم الآلي، وأيضا:
MLOps workflow مع Azure-ML، سجل النماذج، خطوط أنابيب Azure ML
وخطوط أنابيب CI-CD عبر Docker وKubernetes.
تمكين إعادة التدريب التلقائي لمنتج الذكاء الاصطناعي.
تحسين مفاهيم التدريب بما في ذلك إعداد البيانات و
هندسة الميزات.
رؤية الحاسوب لتوليد ميزات للنماذج.
تم إدخال اختبارات وحدة + end2end إلى قاعدة شيفرة DS.