Informatikstudent · Tübingen
Armin Burkhardt
Ich arbeite an Quantitative Finance, maschinellem Lernen und branchenübergreifenden ML Anwendungen.
Scrollen
Über mich
Ich studiere Informatik in Tübingen. Am meisten interessiert mich, was passiert, wenn moderne Machine Learning Modelle in Bereiche kommen, in denen es komplex wird und Fehler teuer sind - Finanzen, Recht, Medizin, etc. Parallel baue ich mit meinem Mitgründer die Tübingen Quant Society auf, eine studentische Initiative, die genau die Lücke zwischen Theorie und Praxis schließt.
- Studium
- B.Sc. Informatik, Universität Tübingen, 2024 - 2027
- Rolle
- Machine Learning Engineer, DenkBox GmbH
- Fokus
- Quant Finance · Machine Learning · Interdisziplinäres ML
- Initiative
- Tübingen Quant Society, Vereinsvorstand
Projekte
Mitgegründet in Tübingen, um Studierenden praktischen Zugang zu quantitativer Finanzwirtschaft zu geben und Events zu organisieren. Für die Initiative habe ich die zweisprachige Website mitentwickelt: Next.js App Router, statisch ausgeliefert, mit einem SAML-2.0-Service-Provider für das Login über die Universität.
- Next.js
- TypeScript
- SAML 2.0
- Vercel
Gebaut beim HackTheLaw Hackathon an der University of Cambridge für Legoras Challenge "The Sparring Room". Statt Antworten zu liefern, greift das System die Argumentation der Nutzer:innen an und zwingt sie, ihre Position zu verteidigen - juristisches Sparring statt Recherche-Assistent. Python-Backend mit FastAPI, Frontend mit React und Vite.
- Python
- FastAPI
- React
- Vite
- LLMs
Ein experimentelles LMM mit dense Gemma4-style Backbone. Danach wird ein einziger MoE-Block mehrfach durchlaufen (LoopLM-style) und routet die Tokens bei jedem Durchgang neu. Heterogene Experten - Self-Attention, Cross-Attention, Retrieval und MLP - teilen sich einen Router. Multi-Token-Prediction als Zusatzziel, Training u.a. in FP8 und NVFP4.
- PyTorch
- Transformer Engine
- CUDA
- MoE
- MTP
Aktuell im Training - das Repository wird veröffentlicht, sobald das Training durch ist.
Alles, was sonst einen Blick auf den Bildschirm braucht - Wetter, Navigation, Kalender, Nachrichten, Wecker, Geräteeinstellungen, die Kamera als Beschreibung der Umgebung - läuft über ein Voice to Voice Interface. Ein (wahlweise lokales) LLM entscheidet, welches der On-Device-Tools es aufruft und handelt stellvertretend; die Antworten sind auf deutsche Sprachausgabe und die Zielgruppe zugeschnitten.
- Android
- Kotlin
- LLM Tool-Use
- TTS
- ASR
- RAG
Universitäres Teamprojekt - das Repository ist derzeit nicht öffentlich.
Lebenslauf
Ausbildung
B.Sc. Informatik
Eberhard Karls Universität Tübingen
1,08Notenschnitt, aktuellDeutsche Notenskala, 1,0 ist die Bestnote
Erfahrung
Machine Learning Engineer
DenkBox GmbH, Cyber Valley
Inferenz-Optimierung, RAG- und Agenten-Features sowie Fine-Tuning und Evaluation für einen datenschutzorientierten On-Premise LLM-Assistenten.
Studentische Hilfskraft
Interfakultäres Institut für Biomedizinische Informatik (IBMI), Universität Tübingen
Betreuung von C++-Projekten in der Angewandten Bioinformatik.
Studentische Hilfskraft
Lehrstuhl für Eingebettete Systeme, Universität Tübingen
Tutor für "Technische Informatik 3: Mikrorechnerpraktikum": Betreuung im Labor, Bewertung der Laboraufgaben, hardwarenahe Programmierung.
Mathematiktutor
Selbstständig
Praktikant Softwareentwicklung
Novatec Consulting GmbH
Praktikum in der Softwareentwicklung mit Java.
Engagement
Vereinsvorstand
Tübingen Quant Society
Mitgründer; verantwortlich für Konzept, Hochschulregistrierung und technische Infrastruktur.
Auszeichnungen
Deutschlandstipendium
Universität Tübingen
Leistungsstipendium für besonders begabte Studierende.