Navigation überspringen

Jan Stanicki

Student, Natural Language Processing, University of Trier
Trier, Deutschland

Fähigkeiten und Kenntnisse

Linguistik
Wissenschaftliche Mitarbeit
Semantik
Bash (Unix shell)
Flyer
Web Services
API
Docker
Vielseitigkeit
Infrastruktur
Google Cloud
Big Data
Administration
Virtualisierung
InDesign
PyTorch
Python pandas
Statistik
Nginx
Drupal
Apache Hadoop
Verteilte Anwendungen
Datenerhebung
Deep Learning
Online
Softwareentwicklung
Lineare Algebra
Computerunterstützte Übersetzung
Proxmox
Datenbankserver
NumPy
SPARQL
DBMS
FastAPI
LLM
Linked Data
MapReduce
NLTK
spaCy
transformers
Imitation
sci
simulating
MongoDB
Backend
HTML
Forschung und Entwicklung
Git
Java
SQL
DevOps
Natural Language Processing
Maschinelles Lernen
Computerlinguistik
Künstliche Intelligenz
Python
Linux
Data Science
English Language
Data Analysis
PowerPoint
AI
Large Language Models
Vector Database
Information Retrieval
Retrieval Augmented Generation (RAG)

Werdegang

Berufserfahrung von Jan Stanicki

  • 6 Monate, Okt. 2024 - März 2025

    Quality IT Master Student

    Boehringer Ingelheim
  • 6 Monate, Apr. 2024 - Sep. 2024

    Quality IT Intern

    Boehringer Ingelheim
  • 1 Jahr und 5 Monate, Nov. 2022 - März 2024

    Research Assistant

    Universität Trier

  • 1 Jahr und 4 Monate, Juli 2018 - Okt. 2019

    Research Assistant

    Universität Heidelberg

Ausbildung von Jan Stanicki

  • Bis heute 3 Jahre und 2 Monate, seit Apr. 2022

    Natural Language Processing

    University of Trier

    Grade: (preliminary) 1.4 - Thesis (ongoing): Leveraging Retrieval Augmented Generation to Find Patterns in Pharmaceutical Quality Data. - Big Data Analytics: Gained experience in distributed computing using MapReduce frameworks in Hadoop and Spark, handling large datasets efficiently. - Developed a strong foundation in Deep Learning (with a focus on transformers), statistics, and linear algebra, enabling advanced analysis and modeling of complex data.

  • 6 Jahre, Apr. 2016 - März 2022

    Computational Linguistics

    Ruprecht-Karls-Universität Heidelberg

    Grade: 1.6 Thesis: Predicting Verb Veridicality in a Multi-Task Approach. - Fine-tuned a SpanBERT model using Multi-Task Learning using Google Cloud Platform, achieving significant improvements in classification accuracy for verb veridicality. - Relevant Coursework: Machine Learning, Database Management Systems (DBMS), Linked Data, Statistical Methods, Logic. - Linguistic Expertise: Strong foundation in formal syntax and semantics.

Sprachen

  • Englisch

    Fließend

  • Deutsch

    Muttersprache

XING – Das Jobs-Netzwerk

  • Über eine Million Jobs

    Entdecke mit XING genau den Job, der wirklich zu Dir passt.

  • Persönliche Job-Angebote

    Lass Dich finden von Arbeitgebern und über 20.000 Recruiter·innen.

  • 22 Mio. Mitglieder

    Knüpf neue Kontakte und erhalte Impulse für ein besseres Job-Leben.

  • Kostenlos profitieren

    Schon als Basis-Mitglied kannst Du Deine Job-Suche deutlich optimieren.

21 Mio. XING Mitglieder, von A bis Z