Narek Grigoryan
FESTANSTELLUNGKI Profi kontaktieren
Lesezeichen Details
Profil • Selbstdarstellung
Ich bin Narek Grigoryan und habe kürzlich meinen Bachelor of Science in Informatik an der Universität Trier absolviert. Mein Studium konzentrierte sich insbesondere auf die Bereiche Künstliche Intelligenz und Maschinelles Lernen. Während meiner Bachelorarbeit hatte ich die Gelegenheit, erste praktische Erfahrungen zu sammeln, indem ich in einer beratenden Rolle tätig war, um das geeignetste Tool zur Orchestrierung von ML-Pipelines für ein bestehendes IT-Unternehmen zu identifizieren. Diese Aufgabe erforderte eine tiefgehende Analyse und den Vergleich verschiedener Open-Source-Plattformen wie Apache Airflow, Kubeflow und MLflow, wobei der Schwerpunkt auf der Integration in die vorhandene IT-Infrastruktur des Unternehmens lag.
Die Herausforderung bestand darin, eine Plattform zu finden, die nicht nur effizient Deep Learning und Zeitreihenprognosen unterstützt, sondern auch skalierbar innerhalb der bestehenden Systeme des Unternehmens ist. Kubeflow, das auf Kubernetes basiert, stellte sich als besonders geeignet heraus, da es die Anforderungen an eine robuste Verwaltung von ML-Pipelines erfüllt und sich nahtlos in die bestehende Infrastruktur einfügt. Durch die Entwicklung und Implementierung einer ML-Prognosepipeline unter Verwendung von TensorFlow Extended (TFX) und Vertex AI konnte ich die Workflows automatisieren und die Leistungsfähigkeit und Skalierbarkeit der Systeme verbessern.
Meine technischen Fähigkeiten umfassen Java, Python, PHP, R, HTML, JS sowie den Einsatz von Bibliotheken und Frameworks wie Keras. Diese Kombination aus theoretischem Wissen und angewandter Erfahrung in einem realen Unternehmensumfeld bildet eine solide Grundlage für meine weitere berufliche Entwicklung im Bereich der KI und IT-Beratung.
Berufserfahrung | Referenzen
Durchführung einer vergleichenden Analyse verschiedener Open-Source ML-Pipeline-Orchestrierungsplattformen, fokussiert auf Deep Learning und Zeitreihenprognosen im geschäftlichen Kontext. Identifikation und Implementierung von Kubeflow, basierend auf Kubernetes, als optimale Plattform für unternehmensspezifische Bedürfnisse. Entwicklung einer effizienten ML-Prognosepipeline mit TensorFlow Extended und Vertex AI zur Demonstration und Optimierung der ML-Prozessautomatisierung.