Michael Nelz

- Livraison d’infrastructures MLOps et de solutions d’automatisation, incluant le déploiement de serveurs MLflow, le suivi des expériences, l’optimisation des logs et l’exécution évolutive de pipelines à travers plusieurs projets ML avec Azure Synapse et Pyspark.

- Conception d’une plateforme de prévision des flux de trésorerie pour soutenir la planification financière, renforcer la stabilité des prévisions et optimiser les décisions d’allocation des prêts.

- Développement d’un système de prévision de la demande de bout en bout qui améliorait la précision de l’allocation des matériaux et optimisait l’organisation du stockage pour l’efficacité opérationnelle.

Optimisation de l’estimation du prix des voitures et implémentations de l’IA
Client : Farie AG
Durée : 06/2024 – 09/2024
Développement d’un prix automobile robuste, évolutif et très précis
Modèle d’estimation utilisant des techniques avancées de science des données en tirant parti de la
les capacités avancées de Google Cloud Platform (GCP) et VertexAI.
Automisation de la correspondance chronophage des codes nationaux des véhicules via fuzzy
l’appariement pris en charge par des LLM (GPT-4o et Gemma de Google).
Preuve de concept pour l’appariement des équipements automobiles via des LLM visant à standardiser le
Aperçu de l’équipement sur le site web.
Preuve de concept pour un chatbot de suggestion de voiture pour aider les clients à informer
eux-mêmes concernant les voitures qui correspondent à leurs besoins et leur suggèrent d’adapter des voitures.
Techstack : Python, API, selenium, Git, Prediction, Scrum, Kanban, GCP
SQL, GCP IAM, GCP VertexAI, LLM, GPT-4O, Ingénierie Prompte,
Langchain, Face d’Étreinte, DockerPrédiction de l’admission des commandes
Client : IJUNO GmbH | Durée : 03/2024 – 06/2024
Mise en œuvre d’une prévision mensuelle des ventes basée sur des facteurs économiques. Le
Les résultats atteignent la précision de la prévision manuelle et sont utilisés pour la prise de décision
Gagner du temps. Partage des connaissances concernant le déploiement sur Azure-ML ou AWS
Faiseur de sages.
Techstack : Python, Git, Timeseries, AWS S3, AWS Cloudwatch, AWS IAM

Responsable des composants de la science des données pour la maintenance prédictive
Client : fournisseur mondial de réfractaires | Durée : 01/2023 – 12/2023
Gestion d’une équipe de 5 data scientists pour le développement agile
d’un produit pour prédire les intervalles de maintenance pour une chaleur élevée
fourneaux incluant des revues de code et la programmation par paires.
Entretien d’embauche des candidats pour l’équipe data science.
Soutenir l’affinement du backlog en tant qu’expert en data science.
Estimation de l’histoire au sein de l’équipe Data Science.
Implémentation pratique des fonctionnalités d’apprentissage automatique, notamment :
Workflow MLOps with Azure-ML, model registry, Azure ML pipelines
et des pipelines CI-CD via Docker et Kubernetes.
Activez la rééducation automatique pour le produit IA.
- Data Scientist principal pour la maintenance prédictive
Client : fournisseur mondial de réfractaires
Langue : anglais | Durée : 03/2021 – 12/2022
Implémentation des fonctionnalités d’apprentissage automatique, notamment :
Workflow MLOps with Azure-ML, model registry, Azure ML pipelines
et des pipelines CI-CD via Docker et Kubernetes.
Activez la rééducation automatique pour le produit IA.
Optimisation des concepts d’entraînement, y compris la préparation des données et
Ingénierie des caractéristiques.
Vision par ordinateur pour générer des fonctionnalités pour les modèles.
Introduction des tests unitaires + end2end dans la base de code DS.