Abdullah Al Rafi

• Migration und Produktivsetzung der Pipelines für Kundenabwanderung, Erkennung von Geschäftsanomalien und Customer Lifetime Value in ein auf Apache Airflow basierendes Orchestrierungs-Framework, wodurch die Zuverlässigkeit der Zeitplanung und die Überwachung verbessert wurden. • Entwicklung eines internen, LLM-gestützten Business-Intelligence-Assistenten unter Verwendung von RAG, vLLM und Google ADK, der es auch nicht-technischen Teams ermöglicht, strukturierte Daten abzufragen.

• Entwicklung einer durchgängigen, mehrsprachigen OCR-Lösung für bangladeschische Geburtsurkunden – die erste ihrer Art. • Bereitstellung der Lösung mit NVIDIA Triton und ONNXRT zur Skalierung auf über 100.000 Zugriffe pro Woche. • Forschung und Entwicklung im Bereich LLM zur Unterstützung des Kundensupport-Teams, wobei der Schwerpunkt auf der Nutzung von LLM ohne Feinabstimmung lag, d. h. RAG, GraphRAG und „Mixture of Experts“.

• Erstellung eines Goldstandard-Datensatzes im medizinischen Bereich. • Zusammenarbeit mit NVIDIA NeMo zur Feinabstimmung des Modells anhand eines bengalischen ASR-Datensatzes. • Bereitstellung von Django- und FastAPI-Backends in der Cloud mit vollautomatisierten CI/CD-Pipelines unter Verwendung von GitHub Actions und Jenkins.