AI-based software engineering
Aktualisiert am 16.04.2026
Profil
Freiberufler / Selbstständiger
Remote-Arbeit
Verfügbar ab: 16.04.2026
Verfügbar zu: 100%
davon vor Ort: 100%
Python
Angular
C++
Data Scientist
Machine Learning
Künstliche Intelligenz
Cloud Computing
Fullstack
Algorithmenentwicklung
s
Mandarin
Muttersprache
Englisch
C1
Deutsch
C1

Einsatzorte

Einsatzorte

Stuttgart (+100km)
Deutschland
möglich

Projekte

Projekte

11 Monate
2024-06 - 2025-04

ToMe-SAM: Effizientes SAM mit Token Merging

  • Analyse der Architektur des Segment Anything Model (SAM) und Untersuchung von Token-Merging-Strategien zur Effizienzsteigerung Transformer-basierter Modelle. Implementierung von Token-Merging-Algorithmen in PyTorch mittels Tensor-Manipulation und Vektorisierung; Fine-Tuning von SAM mit LoRA via PEFT.
  • Entwicklung von GradToMe, einer auf Gradienten- und Gitter-Sampling basierenden Token-Merging-Methode, die die FLOPs um ? 30% reduziert wurden bei < 1% Genauigkeitsverlust und bestehende Ansätze hinsichtlich des Rechenaufwand?Spektrumerhaltungs-Trade-offs übertrifft.
Uni Stuttgart? KI
7 Monate
2023-10 - 2024-04

Automatisiertes Machine Learning für Klassifikationsensembles

  • Integration von SMAC (Bayesian Optimization) in ein Python-basiertes Framework zur flexiblen Suchraumdefinition, Anpassung von Evaluationsfunktionen, Optimizer-Auswahl und automatisiertem Ergebnis-Parsing.
  • Entwicklung einer interaktiven GUI mit Streamlit und Dash zur Parametereingabe, Überwachung des Optimierungsfortschritts und Visualisierung von Klassifikationsergebnissen.
Uni Stuttgart? IPVS
7 Monate
2022-04 - 2022-10

Big-Data-gestützte Forschungsempfehlungsplattform

  • Entwicklung einer skalierbaren Empfehlungsplattform für wissenschaftliche Publikationen mit einer Batch-ETL-Pipeline in Spark zur Datenaufnahme,-bereinigung und Feature Engineering auf Basis von ArXiv-Daten; Training von Spark MLlib Clustering-Modellen und Verwaltung des ML-Lebenszyklus mit MLflow; Entwicklung eines Echtzeit-Inferenzdienstes mit Kafka und Spark Structured Streaming zur Generierung von Live-Empfehlungen für neue Publikationen; Orchestrierung von Spark-Job-Pipelines und Aufgabenplanung mit Airflow.
  • Verwendung von AWS S3 zur Datenbereitstellung in einem skalierbaren, mehrschichtigen Data Lake; Einsatz von Docker zur Containerisierung und Kubernetes (Strimzi Kafka Operator, Spark Operator) zum Deployment.
Uni Stuttgart? IAAS
7 Monate
2022-03 - 2022-09

Vergleich der Lesbarkeit von Visualisierungstechniken

  • Entwicklung einer Website zur Durchführung von A/B-Tests zwischen Streamgraphs und pixelbasierten Verfahren für Zeitreihen-Visualisierung; Frontend mit Vue.js und D3, Backend mit Express.js (Node.js), Axios als HTTP-Client; Deployment auf bwCloud.
  • Datenaufbereitung (synthetische Zeitreihen, Data Cleaning von Nutzer-Logs) mit Python; Analyse der Ergebnisse durch 95%-Konfidenzintervalle, Hypothesentests zu Aufgabenerfolg und Antwortzeiten sowie Visualisierung in R.
Uni Stuttgart? VIS
7 Monate
2021-04 - 2021-10

Pi on Wheels? Entwicklung mit ROS 2 Foxy

  • Aufbau eines Smart-Home-Systems auf TurtleBot 3, simuliert in Gazebo; Entwicklung unter Ubuntu mit Python/C++.
  • Implementierung eines Backends mit MQTT-Broker zur Erfassung von IoT-Sensordaten; Streaming in Kafka-Topics zur Analyse und Speicherung in MongoDB; Integration von Nav2 und SLAM für autonome Roboternavigation.
  • Frontend-Entwicklung mit Home Assistant für Smart-Home-Geräteverwaltung und Energiemonitoring.
Uni Stuttgart? IAAS

Aus- und Weiterbildung

Aus- und Weiterbildung

2 Jahre 8 Monate
2022-10 - 2025-05

M.Sc. Informatik

1.7, Universität Stuttgart
1.7
Universität Stuttgart
3 Jahre 1 Monat
2019-10 - 2022-10

B.Sc Medieninformatik

2.2, Universität Stuttgart
2.2
Universität Stuttgart
1 Monat
2019-08 - 2019-08

Design Delight (Summer School)

Bauhaus-Universität Weimar
Bauhaus-Universität Weimar
2 Jahre
2016-09 - 2018-08

B.Eng. Industriedesign (first-class)

Xi?an Jiaotong-Liverpool University
Xi?an Jiaotong-Liverpool University

Kompetenzen

Kompetenzen

Top-Skills

Python Angular C++ Data Scientist Machine Learning Künstliche Intelligenz Cloud Computing Fullstack Algorithmenentwicklung s

Produkte / Standards / Erfahrungen / Methoden

Seminararbeit & Tech-Blog

  • Robot Motion Planning: A General Review
  • Evolution of Web Security? A Discussion mainly based on the Updates of OWASP TOP 10
  • Cloud-powered Agility: A Case Study on Event-driven Microservices Architecture for an Emerging Online Retail Business
  • AI in Energy Trading? A Deep Learning Model for Gas Storage Optimization
  • Accelerating Segment Anything Models via Token Merging: A Comparative Study and a Spectrum Preservation-Based Approach


Fachkenntnisse

  • Frontend: Angular, Vue, D3
  • Backend: Spring(Spring Boot), Express.js(Node.js), FastAPI, Gin
  • Data App: Streamlit, Dash, Plotly
  • Machine Learning: scikit-learn, PyTorch, PEFT, Optuna, SMAC, Hugging Face, MLflow
  • Big Data: Hadoop, Spark, Airflow, Kafka, ELK Stack(Elasticsearch, Kibana)
  • DevOps & Infrastruktur: Git, Docker(Compose, Swarm), Kubernetes(Helm), Nginx, AWS, GCP
  • Design & CAD: Arduino, Adobe Illustrator, Photoshop, Premiere, XD, PTC Creo


Berufserfahrung

02/2024 ? 12/2024

Rolle: Werkstudentin? Softwareentwicklung, R&D Hemodynamic Algorithms

Kunde: Philips Medical Systems


Aufgaben:

  • Feature-Extraktion & Analyse: Entwurf und Implementierung von Pulsmerkmalen aus Patientendaten unter Verwendung von Signalverarbeitung und Zeitreihenanalyse in Python und C++; Analyse benutzerdefinierter Hystereseschleifen und Filter; Anwendung statistischer Tests zur Bewertung der Merkmalssignifikanz; Erstellung von Unit-Tests und Dokumentation in Jupyter Notebooks.
  • Python-basierter Dämpfungs-Analyzer: Entwicklung von ML-Modellen (XGBoost, Random Forest) zur Puls-Klassifikation mit > 95% Testgenauigkeit; automatisiertes Hyperparameter-Tuning mit Optuna und Dimensionsreduktion (PCA, t-SNE, UMAP) zur Optimierung der Merkmalsanalyse.
  • MLOps & Automatisierung: Verwaltung von Paketabhängigkeiten und Automatisierung der End-to-End-Dämpfungs-Analyzer-Pipeline (Datenaufnahme, Modelltraining, Deployment, Monitoring) mit GitHub Actions für CI/CD.


01/2023 ? 07/2023

Rolle: Praktikantin? Developer/Analyst

Kunde: Allianz Investment Management


Aufgaben:

  • Entwicklung einer Full-Stack-Webanwendung als Alternative zum Bloomberg Terminal: Angular-Frontend mit D3 für interaktive Portfoliodashboards; Backend-Entwicklung mit FastAPI nach dem RESTful-API-Design-Pattern und Anbindung an Oracle- und PostgreSQL-Datenbanken mit SQLAlchemy (ORM) und Pydantic (Validierung); Deployment via Nginx (Reverse Proxy, Load Balancing) und Docker (Containerisierung); pgAdmin für Datenbankinspektion und Query-Debugging.
  • Entwicklung von Werkzeugen für Ad-hoc-Analysen mit Elasticsearch für Textsuche und Textaggregation sowie VBA, SQL und Python für numerische Analysen, z. B. zur Automatisierung des Cashflow Reportings.
  • Vergleichende Analyse (cloudbasierter) Authentifizierungs- und Autorisierungslösungen, insbesondere Azure Active Directory und Keycloak. 

Programmiersprachen

Python
Java
C++
Go
JavaScript/TypeScript
Matlab
R
Bash

Datenbanken

Oracle
PostgreSQL
MySQL
MongoDB

Einsatzorte

Einsatzorte

Stuttgart (+100km)
Deutschland
möglich

Projekte

Projekte

11 Monate
2024-06 - 2025-04

ToMe-SAM: Effizientes SAM mit Token Merging

  • Analyse der Architektur des Segment Anything Model (SAM) und Untersuchung von Token-Merging-Strategien zur Effizienzsteigerung Transformer-basierter Modelle. Implementierung von Token-Merging-Algorithmen in PyTorch mittels Tensor-Manipulation und Vektorisierung; Fine-Tuning von SAM mit LoRA via PEFT.
  • Entwicklung von GradToMe, einer auf Gradienten- und Gitter-Sampling basierenden Token-Merging-Methode, die die FLOPs um ? 30% reduziert wurden bei < 1% Genauigkeitsverlust und bestehende Ansätze hinsichtlich des Rechenaufwand?Spektrumerhaltungs-Trade-offs übertrifft.
Uni Stuttgart? KI
7 Monate
2023-10 - 2024-04

Automatisiertes Machine Learning für Klassifikationsensembles

  • Integration von SMAC (Bayesian Optimization) in ein Python-basiertes Framework zur flexiblen Suchraumdefinition, Anpassung von Evaluationsfunktionen, Optimizer-Auswahl und automatisiertem Ergebnis-Parsing.
  • Entwicklung einer interaktiven GUI mit Streamlit und Dash zur Parametereingabe, Überwachung des Optimierungsfortschritts und Visualisierung von Klassifikationsergebnissen.
Uni Stuttgart? IPVS
7 Monate
2022-04 - 2022-10

Big-Data-gestützte Forschungsempfehlungsplattform

  • Entwicklung einer skalierbaren Empfehlungsplattform für wissenschaftliche Publikationen mit einer Batch-ETL-Pipeline in Spark zur Datenaufnahme,-bereinigung und Feature Engineering auf Basis von ArXiv-Daten; Training von Spark MLlib Clustering-Modellen und Verwaltung des ML-Lebenszyklus mit MLflow; Entwicklung eines Echtzeit-Inferenzdienstes mit Kafka und Spark Structured Streaming zur Generierung von Live-Empfehlungen für neue Publikationen; Orchestrierung von Spark-Job-Pipelines und Aufgabenplanung mit Airflow.
  • Verwendung von AWS S3 zur Datenbereitstellung in einem skalierbaren, mehrschichtigen Data Lake; Einsatz von Docker zur Containerisierung und Kubernetes (Strimzi Kafka Operator, Spark Operator) zum Deployment.
Uni Stuttgart? IAAS
7 Monate
2022-03 - 2022-09

Vergleich der Lesbarkeit von Visualisierungstechniken

  • Entwicklung einer Website zur Durchführung von A/B-Tests zwischen Streamgraphs und pixelbasierten Verfahren für Zeitreihen-Visualisierung; Frontend mit Vue.js und D3, Backend mit Express.js (Node.js), Axios als HTTP-Client; Deployment auf bwCloud.
  • Datenaufbereitung (synthetische Zeitreihen, Data Cleaning von Nutzer-Logs) mit Python; Analyse der Ergebnisse durch 95%-Konfidenzintervalle, Hypothesentests zu Aufgabenerfolg und Antwortzeiten sowie Visualisierung in R.
Uni Stuttgart? VIS
7 Monate
2021-04 - 2021-10

Pi on Wheels? Entwicklung mit ROS 2 Foxy

  • Aufbau eines Smart-Home-Systems auf TurtleBot 3, simuliert in Gazebo; Entwicklung unter Ubuntu mit Python/C++.
  • Implementierung eines Backends mit MQTT-Broker zur Erfassung von IoT-Sensordaten; Streaming in Kafka-Topics zur Analyse und Speicherung in MongoDB; Integration von Nav2 und SLAM für autonome Roboternavigation.
  • Frontend-Entwicklung mit Home Assistant für Smart-Home-Geräteverwaltung und Energiemonitoring.
Uni Stuttgart? IAAS

Aus- und Weiterbildung

Aus- und Weiterbildung

2 Jahre 8 Monate
2022-10 - 2025-05

M.Sc. Informatik

1.7, Universität Stuttgart
1.7
Universität Stuttgart
3 Jahre 1 Monat
2019-10 - 2022-10

B.Sc Medieninformatik

2.2, Universität Stuttgart
2.2
Universität Stuttgart
1 Monat
2019-08 - 2019-08

Design Delight (Summer School)

Bauhaus-Universität Weimar
Bauhaus-Universität Weimar
2 Jahre
2016-09 - 2018-08

B.Eng. Industriedesign (first-class)

Xi?an Jiaotong-Liverpool University
Xi?an Jiaotong-Liverpool University

Kompetenzen

Kompetenzen

Top-Skills

Python Angular C++ Data Scientist Machine Learning Künstliche Intelligenz Cloud Computing Fullstack Algorithmenentwicklung s

Produkte / Standards / Erfahrungen / Methoden

Seminararbeit & Tech-Blog

  • Robot Motion Planning: A General Review
  • Evolution of Web Security? A Discussion mainly based on the Updates of OWASP TOP 10
  • Cloud-powered Agility: A Case Study on Event-driven Microservices Architecture for an Emerging Online Retail Business
  • AI in Energy Trading? A Deep Learning Model for Gas Storage Optimization
  • Accelerating Segment Anything Models via Token Merging: A Comparative Study and a Spectrum Preservation-Based Approach


Fachkenntnisse

  • Frontend: Angular, Vue, D3
  • Backend: Spring(Spring Boot), Express.js(Node.js), FastAPI, Gin
  • Data App: Streamlit, Dash, Plotly
  • Machine Learning: scikit-learn, PyTorch, PEFT, Optuna, SMAC, Hugging Face, MLflow
  • Big Data: Hadoop, Spark, Airflow, Kafka, ELK Stack(Elasticsearch, Kibana)
  • DevOps & Infrastruktur: Git, Docker(Compose, Swarm), Kubernetes(Helm), Nginx, AWS, GCP
  • Design & CAD: Arduino, Adobe Illustrator, Photoshop, Premiere, XD, PTC Creo


Berufserfahrung

02/2024 ? 12/2024

Rolle: Werkstudentin? Softwareentwicklung, R&D Hemodynamic Algorithms

Kunde: Philips Medical Systems


Aufgaben:

  • Feature-Extraktion & Analyse: Entwurf und Implementierung von Pulsmerkmalen aus Patientendaten unter Verwendung von Signalverarbeitung und Zeitreihenanalyse in Python und C++; Analyse benutzerdefinierter Hystereseschleifen und Filter; Anwendung statistischer Tests zur Bewertung der Merkmalssignifikanz; Erstellung von Unit-Tests und Dokumentation in Jupyter Notebooks.
  • Python-basierter Dämpfungs-Analyzer: Entwicklung von ML-Modellen (XGBoost, Random Forest) zur Puls-Klassifikation mit > 95% Testgenauigkeit; automatisiertes Hyperparameter-Tuning mit Optuna und Dimensionsreduktion (PCA, t-SNE, UMAP) zur Optimierung der Merkmalsanalyse.
  • MLOps & Automatisierung: Verwaltung von Paketabhängigkeiten und Automatisierung der End-to-End-Dämpfungs-Analyzer-Pipeline (Datenaufnahme, Modelltraining, Deployment, Monitoring) mit GitHub Actions für CI/CD.


01/2023 ? 07/2023

Rolle: Praktikantin? Developer/Analyst

Kunde: Allianz Investment Management


Aufgaben:

  • Entwicklung einer Full-Stack-Webanwendung als Alternative zum Bloomberg Terminal: Angular-Frontend mit D3 für interaktive Portfoliodashboards; Backend-Entwicklung mit FastAPI nach dem RESTful-API-Design-Pattern und Anbindung an Oracle- und PostgreSQL-Datenbanken mit SQLAlchemy (ORM) und Pydantic (Validierung); Deployment via Nginx (Reverse Proxy, Load Balancing) und Docker (Containerisierung); pgAdmin für Datenbankinspektion und Query-Debugging.
  • Entwicklung von Werkzeugen für Ad-hoc-Analysen mit Elasticsearch für Textsuche und Textaggregation sowie VBA, SQL und Python für numerische Analysen, z. B. zur Automatisierung des Cashflow Reportings.
  • Vergleichende Analyse (cloudbasierter) Authentifizierungs- und Autorisierungslösungen, insbesondere Azure Active Directory und Keycloak. 

Programmiersprachen

Python
Java
C++
Go
JavaScript/TypeScript
Matlab
R
Bash

Datenbanken

Oracle
PostgreSQL
MySQL
MongoDB

Vertrauen Sie auf Randstad

Im Bereich Freelancing
Im Bereich Arbeitnehmerüberlassung / Personalvermittlung

Fragen?

Rufen Sie uns an +49 89 500316-300 oder schreiben Sie uns:

Das Freelancer-Portal

Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.