Zum Inhalt springen
Offen für KI/ML-Stellen – Deutschland & EU

Ayush Tiwari

RAG · LLMs · Computer Vision · Data Science

0+ Jahre
Collins Aerospace
MSc AI
BTU
B.Tech CCE
MIT Manipal
0
GitHub-Repos
Ayush Tiwari

Über mich

Ich habe über zwei Jahre bei Collins Aerospace an Computer Vision und Data Science gearbeitet: Videoqualitätsprüfung für Flugzeugkameras, Aktivitätserkennung in der Kabine, ein Modell, das Netzwerkausfälle vorhersagte, bevor sie eintraten. Dort habe ich den Unterschied verstanden zwischen einem Modell, das im Notebook gut abschneidet, und einem, das mit einem verrauschten Kamerabild zurechtkommt. Gerade schließe ich meinen MSc in Artificial Intelligence an der BTU ab, mit einer Abschlussarbeit über parametereffizientes Fine-Tuning von Vision Transformern für Fahrerüberwachung.

Heute steckt der Großteil meiner Zeit in LLM-Systemen und agentischer KI: RAG-Pipelines mit hybridem Retrieval und Agenten, die Tools nutzen, um echte Arbeit zu erledigen. Genauso viel Zeit verbringe ich mit den unglamourösen Teilen: ehrliche Evals, Observability, reproduzierbare Trainingsläufe. Nichts ist besser, als eine Idee aus einem Paper zu nehmen und sie in Produktion zu sehen.

Aufgewachsen bin ich in Indien, heute lebe ich in Deutschland und suche KI/ML-Engineering-Stellen hier und in der EU. Nach Feierabend heißt es: Gym, ein gutes Buch, ein paar Runden Counter-Strike 2 oder ein Zug in eine Ecke Europas, die ich noch nicht kenne.

Ayush an der Adriaküste
Unterwegs an Europas Küste.

Ausgewählte Projekte

grounded-rag
RAG / LLM

Grounded RAG: Ask-My-Docs with Cited Answers

Domänenspezifische Retrieval-Augmented Generation mit hybridem Retrieval und Quellenangaben für belegte, überprüfbare Antworten.

PythonRAGhybrid retrieval
cs2-rag-assistant
RAG / LLM

CS2 RAG Assistant

RAG-Assistent mit Reranking und Evaluations-Harness; optimiertes Chunk-Retrieval über einen ChromaDB-Vector-Store.

PythonLangChainChromaDB
peft-lora-vit
Computer Vision

Parameter-Efficient Fine-Tuning of a Vision Transformer (LoRA)

Parametereffizientes Fine-Tuning (LoRA) eines Vision Transformers für Bildklassifikation, die Technik im Zentrum meiner Abschlussarbeit.

PyTorchLoRAVision Transformer
peft-lora-llm
LLM

Parameter-Efficient Fine-Tuning of an LLM (LoRA)

Selbst implementiertes LoRA auf den Attention-q/v-Projektionen eines kleinen Decoder-only-LMs: 93,7 % auf AG News bei 0,23 % trainierter Gewichte, mit einer Rank-Ablation über {4–32}.

PyTorchLoRAHugging FaceHydra
pdf-summary-app
LLM

PDF Summary Tool

Streamlit-App, die PDF-Text extrahiert, anzeigt, zusammenfasst und exportiert, mit LangChain und DeepSeek/OpenAI-Modellen. Gehostet auf Streamlit Cloud.

StreamlitLangChainLLM APIs
yolov4-tiny-edge
Edge ML

Real-Time Object Detection on Edge Devices with YOLOv4-Tiny

Objekterkennung in Echtzeit für stromsparende Edge-Geräte: YOLOv4-Tiny-Inferenz nur auf der CPU, mit FPS-Benchmark im Edge-Profil und COCO-Genauigkeit, im Vergleich zu einem Raspberry Pi 4B eingeordnet.

PythonYOLOv4-tinyedge

Mehr auf github.com/headless-start.

Ayush vor einem Wandbild mit Flügeln

Zitat des Tages

We can only see a short distance ahead, but we can see plenty there that needs to be done.

Alan Turing

mural · Zdeněk Daněk

Erfahrung

Collins Aerospace

Bengaluru, Indien

Associate Engineer (Data Science)

Okt 2021Jul 2022
  • Entwickelte ein webbasiertes Aircraft Connection Management System zum Testen der Netzwerkkonnektivität über verschiedene Protokolle.
  • Baute eine ML-Pipeline (Ensemble + Zeitreihen), die Netzwerkausfälle mit 92 % Recall vorhersagte und die Ausfallzeit um 60 % senkte.
  • Lieferte ein Power-BI-Dashboard, das den Verbindungsstatus der Flugzeuge in Echtzeit abbildete.

Graduate Engineer (Computer Vision)Spot Award

Aug 2020Okt 2021
  • Arbeitete an einem Kabinenüberwachungssystem, das Passagierverhalten analysierte: Bildverbesserung, Passagiererkennung, Objekt-Tracking und posenbasierte Bewegungsanalyse.
  • Trainierte CNN-Modelle zur Aktivitätserkennung mit Pose Estimation, um Passagierverhalten anhand bekannter Flugszenarien zu klassifizieren.
  • Lieferte automatisierte Warnungen an das Crew-Display, mit einer an die Flugphase angepassten Empfindlichkeit.
  • Reduzierte den Überwachungsaufwand der Kabinencrew um 40 % durch automatisierte Warnungen und Incident-Reporting-Workflows.

Avionics Intern (Computer Vision)

Feb 2020Jul 2020
  • Entwickelte einen Full-Reference-Videoqualitäts-Analyzer zur Fehlererkennung in gefertigten Flugzeugkameras.
  • Bewertete Testaufnahmen anhand eines Referenzvideos mit 9 Metriken in 4 Parametern: RMSE, Schärfe (Varianz des Laplace-Operators und FFT), Rauschen (SNR/PSNR) und Farbtreue (ΔE94/ΔLUV).
  • Ordnete Videoartefakte über 6 überlappende Regions of Interest konkreten Bildbereichen zu, im Echtzeit- wie im Batch-Betrieb.
  • Erreichte 97 % Korrelation mit dem Industrie-Benchmark Imatest.
  • Integrierte die komplette Prüf-Suite in eine Jenkins-CI/CD-Pipeline (Python, OpenCV, NumPy, scikit-image) und ersetzte damit manuelle Qualitätsprüfungen.

VVDN Technologies

Gurgaon, Indien

Project Intern

Jun 2019Jul 2019
  • Entwickelte die Datenschicht (relationales Schema + CRUD-APIs) für ein Android-Studenteninformationssystem.
  • Optimierte Abfragen mit Indizes und senkte die Ausführungszeit um rund 20 %.

Skills

Ausbildung

M.Sc. Artificial Intelligence

Note: 2,3 (deutsche Skala, Bestnote 1,0)

Abschlussarbeit: Parameter-Efficient Adaptation of Facial Expression Recognition Models for Driver Monitoring.

Relevante Kurse: Image Processing and Computer Vision, Explainable Machine Learning, Learning in Real and Virtual Humans, Virtual Reality and Agents, Cognitive Systems: Behavior Control, Introduction to Computational Neuroscience, Data Warehouse Technologies.

Manipal Institute of Technology (MIT), MAHE · Manipal, Indien

Jul 2016 – Nov 2020

B.Tech Computer & Communication Engineering

Note: 8,09 / 10 (indische Skala, Bestnote 10)Nebenfach · Big Data

Abschlussarbeit: Method of Computing the Video Quality Using Full Reference Algorithms.

Relevante Kurse: Data Structures, Algorithm Analysis and Design, Object Oriented Programming, Operating Systems, Database Systems, Parallel Programming, Data Mining and Predictive Analysis, Machine Learning with Big Data, Graph Analytics for Big Data, Social Network Analytics, Computer Vision.

Abschlusszeugnis

Delhi Public School (DPS) · Lucknow, Indien

Klasse XII (CBSE)

Ergebnis: 93,6 %
Apr 2014 – Mai 2015

Klasse X (CBSE)

Note: 10,0 / 10
Apr 2012 – Mai 2013

Ehrenamt

Sarvajanik Shikshonnayan Sansthan (SSS) · Hardoi, Indien

Mai 2018 – Jun 2018

Ehrenamtlicher Lehrer

Unterrichtete benachteiligte Kinder in Englisch und Computergrundlagen und leitete Workshops über den Wert von Bildung.

Sie haben eine KI/ML-Stelle zu besetzen? Sprechen wir.

Ayush zeigt auf die Überschrift
Ihr Zug.