Aniello P.

Led the data science workstream on a production ML platform for Ferrari's EV fleet, helping prevent vehicle breakdowns before they happen across a live fleet of ~4,300 cars.

Designed and owned the full pipeline, from raw telemetry ingestion on AWS through to predictive alerts and an interactive monitoring dashboard used by the engineering team.

Built battery drain models, parking behavior predictors, and a multi-signal early warning system using LightGBM and Bayesian methods.

Delivered everything to production standards: modular, tested, and built to scale.

• Entwicklung und Einsatz von LLM-gestützten Dokumentenklassifizierungspipelines, die die manuelle Überprüfungszeit um 60 % reduzieren und jährlich über 500.000 £ einsparen.
• Entwicklung von FastAPI-basierten Microservices zur Unterstützung sicherer und skalierbarer ML-Workflows.
• Aufbau von Echtzeit-NLP-Pipelines auf Azure und AWS mit 99,9 % Betriebszeit für operative Analysen.
• Einführung von CI/CD-Automatisierung und testgetriebener Entwicklung in ML-Pipelines.
• Zusammenarbeit mit Forschungs- und Modellierungsteams, um Prototypen in produktionsreife Lösungen zu verwandeln.

• Entwurf und Verwaltung von HPC-Pipelines für LLM-Benchmarking mit Dask auf verteilten Clustern.
• Optimierte Workload-Orchestrierung, Reduzierung der Benchmark-Laufzeit um 50 % in allen Rechenclustern.
• Beitrag zu internen HPC-Infrastrukturbibliotheken, Verbesserung der Reproduzierbarkeit und Skalierbarkeit von Experimenten.
• Unterstützung von Forschungsteams bei rechenintensiven KI-Experimenten und Pipeline-Automatisierung.

• Entwicklung von Systemen zur vorausschauenden Wartung, die die Ausfallzeiten von Anlagen um 40 % verringerten, was zu jährlichen Einsparungen in Höhe von 1,8 Mio. £ führte.
• Leitung eines agilen Teams von fünf Ingenieuren, Anleitung von Entwicklern in TDD, CI/CD und skalierbarem Systemdesign.
• Bereitstellung von Analyse-Dashboards und prädiktiven Pipelines, die an über 20 globalen Industriestandorten eingesetzt werden.

• Entwicklung von REST-APIs und Backend-Microservices in Java, integriert mit SQL-Datenbanken.
• Sie haben an einem strukturierten Schulungsprogramm teilgenommen, das Software-Engineering, Agile und CI/CD-Praktiken abdeckt.
• Unterstützte interne Berichtssysteme mit Power BI, VBA und SQL.
• Bereitstellung von Backend-Funktionen für Unternehmenskunden aus dem Finanzsektor und dem öffentlichen Sektor.