Alireza Zamanian
KI-Ingenieur & Berater · Promotion in Informatik
Profil
KI-Ingenieur mit Promotion in Informatik an der TUM und fast zehn Jahren Erfahrung in Data Science, angewandter KI-Forschung und produktiver KI-Software, vieles davon im Gesundheitswesen. Derzeit leite ich ein KI-Entwicklungsteam bei SYNLAB, einem der größten Anbieter medizinischer Labordiagnostik in Europa.
Berufserfahrung
Teamleiter KI-Entwicklung
Jan. 2026 – heuteAI Product Engineer
Nov. 2024 – Jan. 2026SYNLAB International, München
Software- & KI-Berater
2026 (4 Monate)PoriZma
Wissenschaftlicher Mitarbeiter (Promotion)
Sept. 2021 – Nov. 2024Fraunhofer IKS, München
Wissenschaftlicher Mitarbeiter (Promotion)
Sept. 2019 – Aug. 2021Helmholtz Munich, München
Ausbildung
Promotion in Informatik
2019 – 2026Technische Universität München (TUM)
Magna cum laude. Dissertation: Achieving Trustworthiness in Medical AI via Domain-Informed Analysis
M.Sc. Robotik
2015 – 2017Amirkabir University of Technology (Tehran Polytechnic)
B.Sc. Maschinenbau
2009 – 2014Amirkabir University of Technology (Tehran Polytechnic)
Kenntnisse
- KI & Machine Learning
- LLMs, Retrieval-Augmented Generation (RAG), KI-Agenten, Deep Learning, Zeitreihen, erklärbare KI
- Statistik & Daten
- Statistische Modellierung, fehlende Daten, kausale Inferenz, Sensitivitätsanalyse, Studiendesign
- Engineering
- Softwareentwicklung, Python, Microsoft Azure, produktive KI-Systeme
- Branchen
- Gesundheitswesen und medizinische Diagnostik, Robotik
Sprachen
- Englisch
- Fließend (Arbeitssprache)
- Persisch
- Muttersprache
- Deutsch
- Mittelstufe (B1)
Publikationen
- Evaluation of Active Feature Acquisition Methods for Time-varying Feature Settings (öffnet in neuem Tab) Journal of Machine Learning Research 26(60) · 2025
- Analysis of Missingness Scenarios for Observational Health Data (öffnet in neuem Tab) Journal of Personalized Medicine 14(5) · 2024
- KI-Entwicklung: von der Vorschrift zum Computercode Medizintechnik · 2024
- Assessable and Interpretable Sensitivity Analysis in the Pattern Graph Framework for Nonignorable Missingness Mechanisms (öffnet in neuem Tab) Statistics in Medicine 42(29) · 2023
- What about the Latent Space? The Need for Latent Feature Saliency Detection in Deep Time Series Classification (öffnet in neuem Tab) Machine Learning and Knowledge Extraction 5(2) · 2023
- Post-hoc Saliency Methods Fail to Capture Latent Feature Importance in Time Series Data (öffnet in neuem Tab) Trustworthy Machine Learning for Healthcare (TML4H), Springer LNCS · 2023
- Evaluation of Active Feature Acquisition Methods for Static Feature Settings (öffnet in neuem Tab) arXiv:2312.03619 · 2023
- Partially Specified Causal Simulations (öffnet in neuem Tab) arXiv:2309.10514 · 2023
- Early-, Late-, and Very Late-Term Prediction of Target Lesion Failure in Coronary Artery Stent Patients: An International Multi-Site Study (öffnet in neuem Tab) Applied Sciences 11(15) · 2021
- Estimation of Moving Obstacle Dynamics with Mobile RGB-D Camera (öffnet in neuem Tab) International Conference on Robotics and Mechatronics (ICRoM) · 2017
Vollständige Publikationsliste: scholar.google.com/citations?user=NDlpy9oAAAAJ