Yu Zha

Architektur und Entwicklung von BI- und Applied-AI-Lösungen: End-to-End-Umsatzmodelle mit Azure SQL und dbt für komplexe Abrechnungslogik, Rabatte und Kundenlebenszyklen. Stakeholder-Workshops und Anomalieerkennung zur Datenqualität. Lokale LLM-Dokumentensuche mit Ollama, PDF-zu-Markdown und semantischem Retrieval. Konzeption des Stripe-/PayPal-Zahlungsabgleichs mit Apache Airflow. ETL und Datenmodelle für GA4, Google Ads und Marketing-Dashboards.

Leitung der End-to-End-Entwicklung multimodaler E-Mail-Klassifikation aus Texten und Anhängen; Verbesserung der Klassifikationsgenauigkeit um 20 %. Verantwortung für Anforderungen, Backend-Algorithmen und interne Frontend-Oberflächen. OCR und individuelles Parsing zur automatisierten Dokumentenverarbeitung. Steuerung von Konzeption bis Auslieferung in Abstimmung mit Geschäftsanforderungen. Erstautor einer Veröffentlichung auf der CIB W78 2024; BERT, BiLSTM und Attention.

Verantwortung für Unternehmens-IT und Rechenzentrumsbetrieb: Administration von Linux (CentOS, RHEL, Debian, Ubuntu), Windows Server und Active Directory. Betreuung von VMware-VMs, Cisco-Netzwerken, DNS, VPN, WatchGuard-Firewalls und Terminal Services. Überwachung von Systemstabilität und Performance; Systemkonfiguration, Softwareinstallation und Fehlerbehebung. Praktisches Infrastrukturfundament für die spätere Entwicklung von Daten- und KI-Systemen.

Studentisches Praktikum bei Amazon in Beijing mit Tätigkeit als Teamleiter und Verantwortung für die Pflege von Backend-Daten für Produktbeschreibungen.

Studentisches Praktikum im Bereich Bildverarbeitung in Beijing. Leitung des Bildverarbeitungsteams zur Entwicklung von Lösungen für die Analyse und Bearbeitung digitaler Bilder. Entwicklung von Algorithmen zur Bildverbesserung und Rauschunterdrückung. Implementierung von Machine-Learning-Modellen zur Bildklassifikation und Recherche zu neuen Bildverarbeitungsverfahren.

M.Sc. Angewandte Informatik, Gesamtnote 1,9 (gut). Masterarbeit: Optimizing Construction Industry Email Classification Using Multimodal and Hierarchical Approaches, Note 1,7. Schwerpunkte: Machine Learning, Deep Learning und NLP, GPU Programming sowie Big Data. Erfolgreicher Abschluss am 03.06.2024.