Hallo, ich bin Sameet Asadullah

Stealth Startup · Remote

• Konzeption und Einführung einer vektorbasierten Suchmaschine mit Elasticsearch und Transformer-Embeddings, die die Produktsuche-Relevanz um rund 35–45 % verbesserte.
• Integration eines LLM-gestützten Rezept-Features auf RAG-Basis, das benötigte Zutaten semantisch mit Supermarktprodukten abgleicht und direkt in den Warenkorb legt.
• Entwicklung von Web-Scrapern für Coles, Aldi, IGA und Woolworths, die tausende Produktlistings in Echtzeit aktuell halten.
• Aufbau einer Produkt-Normalisierungspipeline, die unsaubere Produktnamen bereinigt und Embeddings erzeugt, was sowohl das Suchranking als auch die Produktgruppierung verbessert.

Add Life Technologies · Vor Ort

• Optimierung einer Echtzeit-Körpertracking-Anwendung durch Integration von MediaPipe mit Unity und Performance-Tuning für Mobilgeräte, wodurch die Verarbeitungslatenz auf Mittelklasse-Geräten um 40 % sank.
• Verantwortung für die End-to-End-Entwicklung einer plattformübergreifenden KI-Mobile-App — Backend-APIs in FastAPI, Frontend in Flutter — für nahtloses Echtzeit-Videostreaming.
• Verbesserung von Zuverlässigkeit und Skalierbarkeit durch Lasttests, Behebung von Speicherlecks und asynchrone Datenverarbeitung, wodurch die Performance bei über 10 gleichzeitigen Videostreams stabil blieb.

Vyro · Remote

• Aufbau einer maßgeschneiderten Serving-Architektur für ImagineArt, den zweitbeliebtesten KI-Bildgenerator in den USA, mit FastAPI und Docker — über 30 ML-Modelle bei bis zu 20 Mio. Anfragen/Tag und 99,5 % Verfügbarkeit auf Kubernetes.
• Deployment von ML-Modellen für Phototune (über 10 Mio. Downloads) auf dem Triton Inference Server, mit einer Antwortzeit von 2–3 Sekunden.
• Implementierung einer Docker-basierten Serverless-Architektur für AvatarMe mit Runpod und AWS (ECS, S3), wodurch die Avatar-Trainingszeit von Stunden auf 15 Minuten sank.
• Konzeption von GitHub-Actions-CI-Pipelines mit 97 % Testabdeckung, wodurch Produktionsfehler um 95 % reduziert wurden.
• Entwicklung eines Python-SDKs zum Hosten beliebiger Stable-Diffusion-Workflows in Produktion, wodurch die Zeit zum Bereitstellen neuer Features durch Wiederverwendung um 80 % sank.