Om Borda

Entwicklung eines hybriden Empfehlungssystems, das ~1 Mio. Lieferantenprodukte mit Tausenden TikTok-Creatorn abgleicht: mehrsprachige Embeddings, Qdrant-Vektorsuche, Metadaten-Filterung und LLM-Re-Ranking (Top-5-Vorschläge pro Creator). Aufbau einer Video-Content-Analyse-Pipeline mit Computer Vision (Qwen-VL) und PyTesseract-OCR zur Extraktion von Empfehlungs-Features. MLOps end-to-end: Docker & Kubernetes auf Hetzner, FastAPI-Backend, selbst gehostetes Qwen-7B (A100-GPU) und PostgreSQL.

Entwicklung einer Pipeline zur Kundenabwanderungs-Prognose (pandas, scikit-learn, XGBoost) mit Feature-Engineering zu Aktivitätstrends, Sitzungsdauer, Fehlzahlungsquote und Support-Ticket-Häufigkeit; wöchentliches Retraining auf neuen Daten. Aufbau eines Streamlit-Dashboards für Vertriebsanalyse und Prognosen (KPIs, regionale Heatmaps, regressionsbasierte Monatsprognosen, Produkt-Aufschlüsselungen), das zuvor über Excel und Kundendatenbanken verstreute Daten zusammenführt.

Entwicklung und Deployment von über 10 Kunden-Webanwendungen mit Node.js und React – von der Konzeption bis zur Produktion. Umsetzung modularer Architekturen und Load-Balancing für den stabilen Produktivbetrieb; Integration von REST-APIs und Datenbanken.