![DrJanisMeyer DrJanisMeyer](https://drjanismeyer.de/wp-content/uploads/2023/05/DrJanisMeyer-1.jpg)
Mein Weg zur KI
Mein Weg zur dokumentenbasierten KI begann 2018 bei einem Projekt bei einer Großbank. Mit hohem manuellem Aufwand mussten Kennzahlen aus Finanzberichten extrahiert und in eine Datenbank übertragen werden. Die Bank sah es als unlösbares Problem an, diesen Prozess zu automatisieren. Für mich hingegen war es der Startschuss, mich mit diesem Problem zu beschäftigen.
Ich habe mich auf die Suche gemacht und existierende Forschungsergebnisse aus dem Bereich der Künstlichen Intelligenz zu dem Framework deepdoctection zusammen gefasst. Im Ergebnis war nicht nur das Problem des Kunden gelöst, sondern auch vielfältige andere manuelle Prozesse in der Verwaltung können mit dem Framework angegangen werden.
Durch den Einsatz von deepdoctection kann in verwaltungsintensiven Branchen der Aufwand massiv reduziert und gleichzeitig die Fehlerquote deutlich gesenkt werden. Überdies erlaubt die Automatisierung beliebige Skalierung des Vorhabens.
Meine fachlichen Schwerpunkte
+++ Mehrjährige Expertise in Machine Learning und Deep Learning rund um das Document Intelligence (Klassifikation und Extraktion von Informationen aus komplex strukturierten Dokumenten). Hierzu gehört theoretisches und technisches Know-How in der Anwendung und Optimierung von OCR.
+++ Visuelle Methoden zur Strukturierung von komplexen Dokumenten sowie Ableitung und strukturierte Extraktion von Entitäten mit NLP-Methoden (Named Entity Recognition, Entity Linking, Token Classification, Text Classification etc.).
+++ Mehrjährige Erfahrung bei der Integration und dem Aufbrechen von Silostrukturen (z.B. Integration von Finanz- und Risikodaten) in großen Transformationsprojekten bei Banken.
+++ Langjährige Erfahrung in der Beratung, Business-Analyse und Konzeption von Umsetzungen bei Kreditinstituten und Kapitalverwaltungsgesellschaften in den Bereichen Accounting, Controlling, Risiko-Controlling und Meldewesen.
Projekte (Auszug)
Entwicklung des Open Source Python Packages deepdoctection zum Parsen und Extrahieren von Informationen aus komplex strukturierten Dokumenten (1500+ Stars)
https://github.com/deepdoctection/deepdoctection
- Deep-Learning basiertes adaptierbares Parsen von komplex strukturierten Dokumenten
- Layout-Erkennung, Tabellenerkennung und Segmentierung, OCR und strukturierte Ausgabe für Downstream Tasks (zum Beispiel Feed zu OpenAI)
- Adaption der integrierten Modelle auf eigene Dokumentstrukturen zur Erhöhung der Extraktionsqualität
- Orchestrierung der Pipeline (Speichern der gelieferten Daten, Logging)
- Einbindung von Python Drittpackages in Pipelines durch einfache Schnittstellen-API
(Krankenkasse)
Einführung einer Document AI Plattform
- Automatisierte Verarbeitung der Anhänge des E-Mail-Posteingangs
- Klassifikation der Anhänge (Arztbrief, Rezept, etc.)
- Anleiten bei der Erstellung Annotationen
- Training von image transformer encoder (Donut type model)
(Dipf – Leibniz Institut für Bildungsforschung)
Erstellung einer Datenbank von literarischen Quellverzeichnissen
- Extraktion von Literaturverzeichnissen aus wissenschaftlichen Publikationen
- Verwendung von Vision (Detectron2), OCR (AWS Textract) und NLP-Modellen (SpaCy)
(Cloud-Anbieter)
Einführung eines Deep Learning basierten Frameworks für PDF-Tabellenextraktion (Tabellenerkennung und Tabellensegmentierung)
- Sammeln und Aufbereiten von Trainingsdaten
- Trainieren und Evaluieren der Modelle
- Implementierung von Prä- und Postprozessen
- Produktivsetzung und Iterierung
- Aufsetzen eines Prozesses für Re-Training und Performanceüberwachung in der Produktion
(Universitätseinrichtung)
Entwicklung eines Deep Learning Models zur Extraktion von Rechnungsentitäten
- Sammeln und Annotieren von Trainingsdaten
- Trainieren und Vergleich multilingualer NLP-Modelle
- Produktivsetzung in privater AWS Umgebung. Entwicklung einer Rest API
Diverse Projekte bei Finanzinstituten, Universalbanken und Kapitalverwaltungsgesellschaften
- Diverse Themen bei der fachlichen Konzeption zur Einführung eines Finance- und Risk Datawarehouse
Automatisierte Abstimmung des Buchungsstoff zwischen Kernbank- und Accounting System
Verwendung von NLP spezifischen Frameworks: SpaCy und Regex
Anbindung diverse Quellsysteme. Konzeption von Schnittstellen für Zielsysteme (z.B. Meldewesen Abacus DaVinci/A360)
Konzeption von Business-Logik, die in die ETL-Strecken abgebildet werden mussten.
- Fach- und Feinkonzeption sowie Implementierung einer Access-Datenbank (inkl. VBA und Interfacegestaltung) zur Erzeugung von Buchungen im Hauptbuch, die Hedge-Accounting Effekte betreffen
- Konzeption und Implementierung von Stress-Test Szenarien bei einer KVG. Berücksichtigung von Marktpreis-Zins- und Op-Risiken. Abstimmung der Abbildung mit der Geschäftsführung und dem internen Audit.
Programmier- und Softwarekenntnisse
Python 3
NLP Frameworks: Huggingface (Transformers, Huggingface-Hub, Datasets), SpaCy >=2.0, Kenntnis diverser Sprachmodelltypen (BERT, RoBERTa, T5, ELMo etc.) sowie spezialisierte multimodale Abwandlungen für Document AI (z.B. LayoutLM, TRIE).
OCR Frameworks: Tesseract, AWS Textract, MMOCR, PaddleOCR
Vision Frameworks: Detectron2, MMDETECTION
Allgemeine Deep-Learning Frameworks: Tensorflow, Tensorpack, PyTorch, Torchvision, PyTorch Lightning
Data/Experiment-Version control: DVC
Annotation/Data Labeling: Prodigy
Allgemein: Numpy, Pandas, Matplotlib, OpenCV, Scikit learn, multithread programming
Development/Test: MyPy (Type Checking), Pylint, Pytest
Allgemein
Version control: Git
Python IDE: PyCharm, Spyder
Weitere: Jupyter Notebook/ Jupyter Lab
Container Virtualising: Docker
Cloud-Service: AWS Sagemaker
Datenbanken: Oracle SQL Developer, Microsoft SQL Server, MongoDB
Microsoft Office: Excel, Access, Powerpoint, einschließlich VBA
Basiskenntnisse: C/C++, Rust
Beruflicher Werdegang
seit 7/2017
Selbstständiger Unternehmensberater,
Data Scientist, Open Source Developer
7/2017-12/2018
Partner, Dataspark GmbH&Co KG
9/2008 – 6/2017
Senior Consultant, Konkret: Unternehmensberatung GmbH
9/2006 – 8/2008
Stipendiat der DFG, University of Nottingham (UK)
10/2002 – 09/2006
Wissenschaftlicher Mitarbeiter, TU Berlin
Akademischer Werdegang
2005
Promotion in Mathematik zum Doktor rer. nat.
TU Berlin
2002
Studium der Mathematik mit Nebenfach Physik
TU Berlin
Fremdsprachen
Englisch
Französisch
Kontaktieren Sie mich
und vereinbaren Sie ein kostenfreies Expertengespräch!
![Logo_Dr_Janis_Meyer_weiss Logo Dr Janis Meyer, Kuenstliche Intelligenz](https://drjanismeyer.de/wp-content/uploads/2023/06/Logo_Dr_Janis_Meyer_weiss.png)
TELEFON
015111301964
jm@drjanismeyer.de
ADRESSE
Sartoriusstraße 30
20257 Hamburg