Dr. Matthias Makowski

- Bereitstellung und Integration von MLFlow zum Tracking der Entwicklung von Machine Learning Modellen - Bereitstellung und Anpassung von AWS Sagemaker Studio - Modularisierung ML Code - Automatisierung des Deployments von Machine Learning Modellen in AWS (Sagemaker Serverless Inference) und auf externer Platform (GPU-Deployments) - Neubau des legacy Inferencing Systems auf neue Architektur mit Event-Sourcing als leitendem Architektur-Prinzip Technisch: Microservices in Python und Terraform in AWS

- Konzeption und Umsetzung eines Tools zur Darstellung der Bilder eines Datalakes inklusive Suchfunktion nach ähnlichen Bildern sowie Clustering, d.h. Umsetzung einer Recommendation-Engine - Entwicklung und Inbetriebnahme eines Tools zur Klassifizierung von Bildern unter Einbindung der Resultate von KI-Modellen - Anbindung eines Produktes an den Datalake zur Re-Annotation mit Unterstützung von KI-Modellen Technisch: Microservices in Golang/Python und Terraform in AWS

Konzeption und Umsetzung einer Datalake-Lösung für strukturierte und unstrukturierte (Bilder) Daten durch Microservices in Golang/Python und Terraform in AWS. Bereitstellung der Daten in Elasticsearch für analytische Zwecke, Integration von KI-Modellen zur automatischen Klassifikation der Daten.

Lösung zweier NLP-Probleme in Python bis hin zur Architektur-Konzeption, Umsetzung und erfolgreichen Inbetriebnahme

1. Leitung der Prototypisierung eines NLP-Systems 2. Engineering Lead einer Python-Microservice-Architektur Tools und Methoden: - Python Django - Integration von C++ Komponenten in Python - gitlab-ci, docker, docker-compose - AWS

Leitung einer bis zu 15-köpfigen Abteilung von Entwicklern, Business-Analysten und Fachexperten mit verschiedenen Projekten Tools und Methoden: - Management - Python - AWS

1. Leitung eines Realisierungsprojektes im Bereich Natural Language Processing (NLP), welches Text-Segmentierung, Text-Klassifikation und Named Entity Recognition erforderte 2. Erstellung einer Produkt-Vision und Prototypisierung eines Automaten zur automatischen Rechnungserstellung 3. Realisierung eines Recommender-Systems Tools und Methoden: - Python Webentwicklung (Flask, Django) - NLP - Scope and Vision

1. Anforderungsaufnahme, Konzeption und Leitung der Umsetzung eines komplexen logischen Systems im Bereich der Gesundheitsbranche 2. Leiter von Machine-Learning Projekten von Machbarkeitsstudien Tools and Methods: - UML, Python, C++, Youtrack, Requirements Engineering/Anforderungsaufnahme und Strukturierung - Unsupervised Machine Learning: Clustering Methods, Metric-Definitionen

Prototypisierung von (KI-)Lösungen zu Problemen aus der Gesundheitsbranche Tools: - R, Python - Supervised Machine Learning: Classification Algorithms wie RandomForest, XGBoost mit Dimensionsreduktion via PCA

Forschung und Lehre im Bereich der Tensoranalysis

Leitung von Übungsgruppen im Bereich Analysis, Funktionalanalysis, Tensoranalysis, Differentialgeometrie, Differentialgleichungen

Titel der Dissertation: "Volume preserving curvature flows in Lorentzian manifolds". Spezialgebiet: Tensoranalysis, Partielle Differentialgleichungen, DIfferentialgeometrie.

Titel der Diplomarbeit: "Regularität von Lösungen nichtlinearer Hindernisprobleme". Spezialgebiet: Tensoranalysis, Variationsrechnung, Partielle Differentialgleichungen.