Zum Inhalt springen
Alireza Rastineh – Startseite
Kontakt

Offen für Senior-Rollen in AI / Full-Stack Berlin - Remote

Alireza Rastineh — Ich mache aus Sprachmodellen Produkte, die auch nach der Demo funktionieren

Zuverlässige Cloud-Infrastruktur und defensive KI, gebaut für den Betrieb.

Projekte ansehen

Am besten für Fragen zu Projekten, Erfahrung, Fähigkeiten und Verfügbarkeit.

Die Antworten erzeugt eine KI aus den Inhalten dieser Website.

Ausgewählte Projekte

  • TODO: Project One

    TODO: Five-word descriptor

    TODO: One-sentence hook describing exactly what the product does and who it helps.

    Tech-Stack: TypeScript, Python, FastAPI, Postgres

    Details
    Problem

    TODO: Pain point that existed before this software. Quantify the cost (hours, dollars, headcount).

    Architektur

    TODO: Models and AI pipelines used. Name the LLM, the orchestration framework, the retrieval strategy.

    Infrastruktur

    TODO: How the AI is served and consumed. Backend framework, database, frontend stack, deployment target.

    Ergebnisse
    • TODO: Concrete metric #1 (e.g. reduced X by Y%)
    • TODO: Concrete metric #2 (latency, throughput, cost)
    • TODO: Concrete metric #3 (adoption, retention, savings)

  • TODO: Project Two

    TODO: Five-word descriptor

    TODO: One-sentence hook.

    Tech-Stack: Angular, Node.js, Redis

    Details
    Problem

    TODO: Business problem.

    Architektur

    TODO: AI architecture.

    Infrastruktur

    TODO: Infrastructure.

    Ergebnisse
    • TODO: Metric #1
    • TODO: Metric #2
    • TODO: Metric #3

  • TODO: Project Three

    TODO: Five-word descriptor

    TODO: One-sentence hook.

    Tech-Stack: React, PyTorch, Docker

    Details
    Problem

    TODO: Business problem.

    Architektur

    TODO: AI architecture.

    Infrastruktur

    TODO: Infrastructure.

    Ergebnisse
    • TODO: Metric #1
    • TODO: Metric #2
    • TODO: Metric #3

Über mich

KI-Anwendungen in einem Jupyter-Notebook zu bauen ist einfach – sie in der Produktion stabil zu halten ist schwer. Meine Engineering-Philosophie konzentriert sich auf defensive KI-Integration. Ich behandle Sprachmodelle als leistungsstarke, aber unberechenbare Microservices. Durch strikte semantische Routing-Regeln, Output-Parsing und automatisierte Fallback-Mechanismen bekämpfe ich aktiv Halluzinationen und erzwinge zuverlässige Datenstrukturen. Ich priorisiere die Nutzererfahrung, indem ich Token zum Frontend streame, um Latenz zu kaschieren, und optimiere gleichzeitig Prompt-Payloads sowie semantisches Caching, um die API-Inferenzkosten strikt im Griff zu behalten. Ich schreibe keine Prompts – ich entwickle resiliente Fullstack-Systeme um sie herum.

Standort
Berlin - Remote
Status
Offen für Senior-Rollen in AI / Full-Stack
Wie eine Antwort entsteht
  1. FrageSie fragen den Assistenten in eigenen Worten nach meiner Arbeit.
  2. SucheEr durchsucht die Seiten dieser Website: Projekte, Werdegang, Artikel.
  3. AntwortEr antwortet aus dem Gefundenen und nennt jede Quelle.
  4. PrüfungJede genannte Quelle wird mit dem Gelesenen abgeglichen; eine erfundene wird entfernt, bevor die Antwort erscheint.

Fähigkeiten

  • Kernarchitektur

    TypeScript, Angular, React, Next.js, Node.js, Python, FastAPI, Hono, REST, GraphQL, WebSockets

    Ich entwickle reaktive Benutzeroberflächen in Angular und React, die leistungsstarke Python-FastAPI-Backends konsumieren und komplexe Nutzeranfragen nahtlos an fein abgestimmte Sprachmodelle weiterleiten.

    Eingesetzt in: TODO: Project One, TODO: Project Two, TODO: Project Three

  • KI / ML Stack

    PyTorch, LangChain, OpenAI API, Anthropic API, RAG, Vector Search, Pinecone, pgvector, Semantic Caching, Prompt Engineering, Output Parsing

    Ich setze PostgreSQL mit pgvector-Erweiterungen und Node.js ein, um blitzschnelle Retrieval-Augmented-Generation-Architekturen zu schaffen, die dem Client präzise, kontextbewusste Daten liefern.

    Eingesetzt in: TODO: Project Three

  • DevOps & Cloud

    Docker, GitHub Actions, Caddy, Hetzner, Linux, Nginx, CI/CD

    Durch die Orchestrierung von PyTorch-Modell-Trainingspipelines via Docker und GitHub Actions stelle ich sicher, dass Machine-Learning-Dienste sauber in skalierbare, hochverfügbare Cloud-Umgebungen deployt werden.

    Eingesetzt in: TODO: Project Three

  • Datenpipelines

    PostgreSQL, Redis, Drizzle ORM, Prisma, Kafka, BullMQ

    Typisierte Schemata, Vektorindizes und asynchrone Queues sorgen dafür, dass Inferenzjobs, Embeddings und Nutzerdaten ohne Engpässe fließen.

    Eingesetzt in: TODO: Project Two

Kontakt

Sprechen wir

contact@alirezarastineh.me

Offen für Senior-Rollen in AI / Full-Stack Berlin - Remote

Ich antworte innerhalb von zwei Werktagen.

Du stellst ein oder hast ein Projekt? Prüf zuerst, ob es passt