Über mich

Ich bin Doktorandin am Hertie-Institut für KI in der Gehirngesundheit der Universität Tübingen. Ich entwickle Machine-Learning-Methoden, die große, unübersichtliche Datensätze in Repräsentationen verwandeln, die man sich ansehen und mit denen man arbeiten kann.

Ich fine-tune transformerbasierte LLMs, um Text-Embeddings zu erzeugen, die semantische Bedeutung erfassen, und passe Dimensionsreduktionsmethoden wie t-SNE und UMAP so an, dass sie auf Millionen von Datenpunkten skalieren. Mit diesen Methoden habe ich eine Karte von 21 Millionen biomedizinischen Publikationen erstellt. Diese Karte zeigt Trends, wie sich Forschungsfelder im Laufe der Zeit entwickeln und verändern.

Ich möchte dieses Skillset auf angewandte, industrienahe Probleme übertragen. Das bedeutet, große Mengen hochdimensionaler Daten nutzbar zu machen und LLMs sowie Agenten einzusetzen, um reale Aufgaben zu lösen.

Ich bin derzeit auf Jobsuche nach Stellen als Machine Learning Engineer / Applied Scientist in der Industrie, verfügbar ab Herbst.

Ausbildung

Promotion Machine Learning

2022 - heute

Berens Lab, Hertie-Institut für KI in der Gehirngesundheit

International Max Planck Research School on Intelligent Systems

Universität Tübingen

MSc Neural Information Processing

2019 - 2021

Universität Tübingen

International Max Planck Research School

BSc Physik

2015 - 2019

Universität Sevilla

Universität Münster

BSc Materialwissenschaft

2015 - 2018

Universität Sevilla

Parallelstudium, nicht abgeschlossen

Fähigkeiten

Machine Learning

NLP · LLMs · KI-Agenten · Text Embeddings · RAG-Systeme · Retrieval · Self-supervised Lernen · Contrastive Learning · Neighbor Embedding · Visualisierungsmethoden

Technische Fähigkeiten

Python · PyTorch · scikit-learn · Matplotlib · uv · Git + GitHub · Docker · LaTeX

Sprachen

Spanisch (Muttersprache)

Englisch (fließend)

Deutsch (fließend)