Mengmeng Xu

• Entwickelte ein RAG‑System (Retrieval‑Augmented Generation) mit LLM und Sentence‑BERT‑Modell, verbesserte die Effektivität der Dokumentenrecherche um 20% (nDCG@10). • Erstellte eine Datenpipeline mit Selenium zur Extraktion von über 10.000 Halbleiterdokumenten und generierte über 20.000 synthetische Trainingsdaten mithilfe von GPT‑4o. • Optimierte ein Sentence‑BERT‑Modell mithilfe von Multiple Negatives Ranking Loss und erzielte eine durchschnittliche Präzision von 75% bei der Dokumentklassifikation.

• Implementierte ein GraphRAG‑gestütztes QA‑System mit GPT‑4IFX, LangGraph und LangChain, verbesserte die Antwortqualität um 18% durch Prompt‑Tuning. • Entwickelte ein Backend mit Flask und langchain‑neo4j zur Ausführung von Cypher‑Abfragen sowie Integration von REST‑APIs, Caching und Abfrageoptimierung. • Integrierte manuelle Cypher‑Eingaben und KI‑gestützte Abfragen in die zuvor entwickelte Benutzeroberfläche.

• Entwickelte ein Zeitreihenmodell mit LightGBM zur Prognose der Halbleiternachfrage und verbesserte die Prognosegenauigkeit von 58% auf 72% für 35 Produkte. • Erstellte ein interaktives Tableau‑Dashboard zur Analyse von Abweichungen zwischen tatsächlichen Liefermengen und Prognosewerten. • Implementierte ein NeoDash‑Dashboard zur Visualisierung von Produktkennzahlen, regionalen Absatztrends und kundenbezogenem Bestellverhalten.

Schwerpunkt: NLP & Deep Learning