+++ 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.

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.

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

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

2005
Promotion in Mathematik zum Doktor rer. nat.

TU Berlin

2002

Studium der Mathematik mit Nebenfach Physik

TU Berlin

Englisch

Französisch