28.10.2026 aktualisiert

**** ******** ****
100 % verfügbar

Softwareentwickler und Software-Trainer | Angewandte Mathematik, C++, Python, JavaScript

Wien, Österreich
Weltweit
Promotion (PhD) in Chemieingenieurwesen, summa cum laude, TU Budapest (BME)
Wien, Österreich
Weltweit
Promotion (PhD) in Chemieingenieurwesen, summa cum laude, TU Budapest (BME)

Profilanlagen

Lebenslauf-Ali-Baharev.pdf

Über mich

Ich biete Inhouse-Schulungen für Entwicklungsteams an, zugeschnitten auf ihren eigenen Code, ihre Werkzeuge und Arbeitsabläufe. Ich entwickle individuelle Software für schwierige technische Aufgaben, etwa in der mathematischen Optimierung und Numerik, wenn Standardlösungen nicht passen.

Skills

ServerlessJavaJavaScriptErwachsenenbildungKünstliche IntelligenzAlgorithmus-EntwurfAmazon Web ServicesAngewandte MathematikThermodynamikC++ChemieingenieurwesenEntscheidungsbaum LernenClusteranalyseDatenbank DesignDestillationWeb EntwicklungAmazon DynamoDBVerfahrenstechnikFaktorenanalyseFortranGraphentheorieInteger ProgrammingPythonLineare OptimierungMachine LearningMathematikMathematische OptimierungMathematical ProgrammingMongoDBRegressionsanalyseNode.jsNoSQLNumerische AnalyseNumPyObjektorientierte Software-EntwicklungOpenGLHauptkomponentenanalyseQt (Software)SciPySensorfusionSoftwareentwicklungSQLComputational StatisticsZeitreihenanalyseUMLAblaufplanungDatenverarbeitungReact.jsLarge Language ModelsExpress.jsRandom ForestAWS LambdaJupyterNumerical ComputingGitLabGitpandasMatplotlibScikit-learnOptimization AlgorithmsReact NativeRestful ApisScheduling Algorithms
Kurzprofil
  • Promotion (PhD) in Chemieingenieurwesen: numerische Berechnungen zu Thermodynamik, Phasengleichgewichten und Destillationskolonnen
  • Angewandte Mathematik: 12 Jahre Forschung (2006–2018) zu numerischen Methoden und mathematischer Optimierung, davon 7 Jahre an der Universität Wien
  • Softwareentwicklung: mathematische Optimierung (MILP, NLP; Gurobi, HiGHS, IPOPT), Algorithmen, numerische Methoden, maschinelles Lernen, Datenverarbeitung und Automatisierung; KI-Anwendungen (Claude-API, MCP)
  • Full-Stack-Webentwicklung seit 2018: React, Node.js, AWS serverless (Lambda, API Gateway, DynamoDB); zwei eigene Webanwendungen in Betrieb
  • Software-Trainer seit 2022: Python, C++ (Software-Engineering für Entwickler), Full-Stack-Webentwicklung, React und React Native, Datenbanken; öffentliche Kurse und Inhouse-Schulungen, live online, in Präsenz und hybrid, von Einsteigern bis zu Senior-Entwicklern; Prüfer am WIFI Wien
  • Stack Overflow: 59.029 Reputationspunkte, 417 Antworten (vor allem zu C++), Reichweite rund 5 Millionen Personen
  • Selbstständig seit 2019
Kenntnisse
  • Programmiersprachen: Python, C++, JavaScript, Java (Sun-Zertifikat), SQL (Oracle-Zertifikat)
  • Mathematik: numerische Methoden, mathematische Optimierung (MILP, NLP, Branch-and-Bound, Heuristiken), globale Optimierung, nichtlineare Gleichungssysteme, Intervallarithmetik, Graphentheorie, Statistik, klassisches maschinelles Lernen (Machine Learning), Zeitreihenanalyse, Operations Research
  • Optimierungssoftware: Gurobi (MILP), HiGHS (MILP), IPOPT (NLP)
  • Python: seit 2014; NumPy, SciPy, pandas, Matplotlib, scikit-learn, JupyterLab, Cython
  • C++: seit 2004, bis 2014 Hauptsprache, bis heute für rechenintensive Algorithmen; Qt, OpenGL, automatisches Differenzieren
  • JavaScript: seit 2018; React, Node.js und REST-APIs in eigenen Anwendungen; MongoDB, Express und React Native in Schulungen (eigene Übungen und Musterlösungen)
  • KI-Anwendungen: LLM-Anwendungen mit der Claude-API (Tool Use, Agenten), Model Context Protocol (MCP): Server und Client
  • Cloud: AWS serverless seit 2017: Lambda (Python, Node.js), API Gateway, DynamoDB, S3
  • Datenbanken: SQL, NoSQL (DynamoDB; MongoDB in Schulungen), Datenbankdesign
  • Modellierung: Modelica, AMPL, UML, objektorientierte Analyse und objektorientiertes Design
  • Werkzeuge: Git, GitLab, Linux, Claude Code
  • Fachgebiete: industrielle Ablaufplanung (Scheduling, großskalige MILP), Chemieingenieurwesen und Verfahrenstechnik (Thermodynamik, Destillation, Prozesssimulation), Statistik (Forschungs- und Produktionsdaten, statistische Software), Cheminformatik, Bewegungserfassung und Inertialnavigation, Geologie (Datenanalyse), Quantitative Finance (Portfolioanalyse, Zeitreihen)
Einsatzort und Verfügbarkeit
  • Wien oder remote; international reisebereit
  • Ab sofort; Vollzeit oder Teilzeit

Erfahrung

Berufserfahrungmehr als 10 Jahre
Freelancer seit2019

Sprachen

DeutschverhandlungssicherEnglischverhandlungssicherFranzösischGrundkenntnisseUngarischMuttersprache

Projekthistorie

Softwareentwickler – Maßgeschneiderter MILP-Löser für großskalige industrielle Ablaufplanung

Freiberuflich, Direktkunde
  • Allein entwickelt: Modell, Branch-and-Bound-Löser, Datenaufbereitung und Berichte für den Anwender
  • Modelle mit Millionen von Variablen; das Gesamtmodell passt nicht in den Arbeitsspeicher. Die LP-Relaxation wird daher in Netzwerkfluss-Teilprobleme zerlegt, HiGHS löst nur ein verdichtetes Modell mit wenigen hundert Zeilen
  • Eigene Heuristiken für gute Pläne (teils in C++), Schattenpreise der Kapazitäten, Warmstart
  • 2026 auf den Echtdaten des Kunden, gegenüber dem eigenen Stand vom Juli: Speicherbedarf von 11–17 GB auf 2–3 GB gesenkt, gleiche Lösungsqualität in unter einer Stunde statt 3,5–7,5 Stunden; nach zwei Stunden nachweislich höchstens 0,015 % vom Optimum entfernt
  • Rund 240 automatisierte Tests; jede Lösung wird anhand der Originaldaten geprüft; Linux und Windows
  • Technologien: Python, NumPy, pandas, C++17, Cython, HiGHS

Software-Trainer (selbstständig)

Bitalon IT Services e.U., Wien
  • Öffentliche Kurse bei Schulungsanbietern und Inhouse-Schulungen; beim WIFI Wien auch Prüfer, u. a. in MERN-Lehrgängen
  • Themen: Python, C++ (Software-Engineering für Entwickler), Full-Stack-Webentwicklung, React und React Native, Datenbanken
  • Live online, in Präsenz und hybrid; von Einsteigern bis zu Senior-Entwicklern
Kurse:
  • 2023–2026, WIFI Wien: Lehrgang Software Developer JavaScript
  • 12/2025, über einen Schulungsanbieter (NDA): Python Advanced (3 Tage)
  • 2023–2025, WIFI Wien: Full-Stack-Lehrgang JavaScript (MERN: MongoDB, Express, React, Node.js)
  • 2022–2024, WIFI Wien: Software-Engineering im Lehrgang Webentwicklung
  • 2022–2023, WIFI Wien: Software-Engineering in C++ (2022) und in Java (2022–2023) für Entwickler (je 5 Tage, überwiegend Übungen in der jeweiligen Sprache)
  • 01–02/2023, Inhouse für ein Softwareunternehmen, über einen Schulungsanbieter (NDA): HTML, CSS und JavaScript (5 Tage), Advanced CSS (2 Tage)
  • 12/2022, über einen Schulungsanbieter (NDA): React und React Native (4 Tage)
  • 10–11/2022, WIFI Wien: Programmieren mit Python – Aufbau
Was Teilnehmende sagen:
  • „Äußerst sympathisch, einfühlsam und korrekt. Ali hat sich besonders bemüht, dass wir Inhalte wirklich verstehen und nicht auf Zwang den Stoff durchkriegen müssen. Er hat uns aktiv in den Unterricht einbezogen.“ (Teilnehmer:in, Lehrgang Software Developer JavaScript)
  • „Große Themen kurz und knackig erklärt und mit Praxisbeispielen vertieft. War super, danke.“ (Teilnehmer:in, Python Advanced)

Entwickler und Betreiber – Webanwendungen Afázia App und Fejlesztő App

Eigenes Produkt, seit 2019 über Bitalon IT Services e.U.
  • Afázia App (afazia.app): ungarischsprachige Webanwendung für die Sprachtherapie nach einem Schlaganfall; online seit 2019, im Abo-Modell mit zahlenden Kunden seit 2021; genutzt in der Logopädie, in Rehabilitationskliniken und von Familien zu Hause
  • Allein entwickelt und betrieben; adaptive Übungen; Sitzungsdaten strukturiert gespeichert, daraus die Messdaten zweier Testverfahren einer Dissertation zur Aphasie
  • Frontend mit React und Redux; Backend vollständig serverless auf AWS: Lambda-Funktionen in Python und Node.js, API Gateway, DynamoDB
  • Auf derselben Plattform: Fejlesztő App mit Gedächtnisspielen (fejleszto.app)
  • Technologien: JavaScript, React, Redux, Node.js, Python, AWS Lambda, API Gateway, DynamoDB

Entwickler – Geologische Datenanalyse (SG2PS)

Eigenes Projekt, gemeinsam mit einem Geologen
  • Programm zur Auswertung geologischer Messdaten, veröffentlicht in Computers & Geosciences (2014)
  • Statistische Auswertung mit Methoden des maschinellen Lernens: Regression, Clusteranalyse
  • Grafische Benutzeroberfläche für den Desktop
  • Technologien: C++, Qt

Entwickler – KI-Sichtprüfung mit Kamera über MCP (Inspection Station MCP)

Eigenes Open-Source-Projekt
  • Quellcode: github.com/baharev/inspection-station-mcp
  • MCP-Server für eine Kamera: Ein KI-Modell prüft Teile auf Fotos; Regeln und Grenzen setzt der Server durch, nicht der Prompt; er führt auch das Prüfprotokoll; „fehlerhaft“ erst nach Rückfrage und Bestätigung durch den Anwender
  • Desktop-Anwendung mit eigener Agentenschleife über die Claude-API; rollenbasierte Anmeldung über OAuth 2.0; die Modelle Opus, Sonnet und Haiku nach Treffsicherheit und Kosten verglichen
  • Qualität der Tests geprüft: Fehler gezielt einzeln eingebaut, jede gefundene Lücke mit einem neuen Test geschlossen; automatisch getestet unter Linux, Windows und macOS, zusätzlich mit echter Webcam
  • Mit Claude Code entwickelt: Code großteils KI-generiert; Architektur, Regeln und Prüfstrategie selbst vorgegeben
  • Technologien: Python, MCP, Claude-API, PySide6, OAuth 2.0

Statistiker – Statistische Auswertung für eine Dissertation zur Aphasie

Wissenschaftliche Zusammenarbeit, Pannonische Universität (Veszprém)
  • Dissertation über Arbeitsgedächtnis und Sprachstörungen nach Schlaganfall (2025; in der Danksagung genannt): gesamte statistische Auswertung, 54 Teilnehmende in vier Gruppen; sämtliche Abbildungen und Tabellen des 70-seitigen Ergebnisteils der Arbeit, automatisch aus den Daten erzeugt
  • Spielverläufe aus den Sitzungsprotokollen der Afázia App mit eigenem Node.js-Werkzeug rekonstruiert, daraus die Messdaten zweier Testverfahren aufbereitet
  • Technologien: Python, pandas, SciPy, seaborn, Node.js

Softwareentwickler – Quantitative Finanzanalyse

Freiberuflich, Direktkunde
  • Analyse und Vergleich der Wertentwicklung von Aktien- und Anleiheportfolios; Simulation verschiedener Szenarien, Zeitreihenanalyse
  • Technologien: Python, NumPy, pandas, statsmodels, Darts

Wissenschaftlicher Mitarbeiter (Postdoc) – Zerlegungsverfahren für nichtlineare Gleichungssysteme

Universität Wien, Fakultät für Mathematik
  • Exaktes Verfahren für das Minimum-Feedback-Arc-Set-Problem (Graphentheorie, MILP-Löser Gurobi), gemeinsam mit Tobias Achterberg (Gurobi); veröffentlicht im ACM Journal of Experimental Algorithmics (2021)
  • „Tearing“: Zerlegung großer Gleichungssysteme in eine Kette kleiner Teilsysteme; die seit den 1930er-Jahren bekannten numerischen Probleme erstmals gelöst
  • Numerisch stabiles, mannigfaltigkeitsbasiertes Verfahren, dessen Rechenaufwand nur linear mit der Problemgröße wächst (beim Multistart exponentiell)
  • Bestimmung aller gut getrennten stationären Lösungen von Destillationskolonnen, deutlich schneller als Multistart mit IPOPT
  • Werkzeugkette zur automatischen Blockzerlegung von Optimierungsmodellen
  • Technologien: Python, NumPy, SciPy, Matplotlib, Gurobi, IPOPT, AMPL, Modelica, C++, Java, Fortran

Wissenschaftlicher Mitarbeiter (Postdoc) – Modellierung chemischer Prozesse

Universität Wien, Fakultät für Mathematik
  • Komponentenbasiertes Framework für die Modellierung chemischer Prozesse, Prototyp in Modelica (9. Internationale Modelica-Konferenz, 2012)
  • Wesentliche Beiträge zum Entwurf einer neuen Modellierungssprache für Verfahrensingenieure
  • Technologien: Modelica

Data Scientist – Maschinelles Lernen zur Prozessanalyse in der industriellen Fertigung

Universität Wien, Fakultät für Mathematik
  • Industrieprojekt
  • Analyse mehrerer hundert Prozessparameter und Messwerte entlang der gesamten Prozesskette: welche Einflussfaktoren ein eng toleriertes Qualitätsmerkmal des Endprodukts bestimmen und wie stark
  • Dimensionsreduktion (Hauptkomponentenanalyse/PCA, Faktorenanalyse) und Regressionsmodelle (lineare Regression, Entscheidungsbäume, Random Forests) im Vergleich
  • Ergebnis: die maßgeblichen Einflussfaktoren identifiziert, alle übrigen Größen ohne nennenswerten Einfluss
  • Technologien: Python, NumPy, SciPy, Matplotlib, pandas, scikit-learn

Statistik mit garantierter Genauigkeit

Forschung
  • Berechnungen zur nichtzentralen F-Verteilung, bei denen gängige Software stillschweigend falsche Ergebnisse liefert; ein eigenes Verfahren erkennt solche Fehler
  • Veröffentlicht in Statistics and Computing (2008) und Computational Statistics (2017); eigenes CRAN-Paket fpow, auf dem zwei weitere CRAN-Pakete aufbauen
  • Technologien: R, C++ (Intervallarithmetik), Fortran

C++-Entwickler – Bewegungserfassung mit Wearables

Universität Szeged, Mathematisches Institut
  • Hauptentwickler einer medizinischen Anwendung: tragbarer Funksensor mit Beschleunigungssensor, Gyroskop und Magnetometer
  • Firmware für einen 16-Bit-Mikrocontroller; leichtgewichtiges Dateisystem für zuverlässige Aufzeichnung mit rund 200 Hz, gemeinsam mit Miklós Maróti weiterentwickelt
  • Sensorfusion mittels nichtlinearer Programmierung (NLP) statt eines Kalman-Filters; eigene Bibliothek für automatisches Differenzieren
  • Qt-Desktop-Anwendung zur 3D-Visualisierung der Messungen als OpenGL-Animation
  • Technologien: C++, Qt, OpenGL, Mikrocontroller-Firmware, IPOPT, AMPL, Fortran

Java-Entwickler im Entwicklungsteam – Graphalgorithmen für chemische Strukturen

ChemAxon
  • Aufzählung von Markush-Strukturen (Graphtraversierung) um 20–40 % beschleunigt
  • Neue Darstellung der Ergebnisse der Substruktursuche (Teilgraph-Isomorphie)
  • Kundensupport und Verbesserung der API-Dokumentation
  • Technologien: Java

Doktorand mit Lehrtätigkeit – Globale Lösung nichtlinearer Gleichungssysteme (Dissertation)

Technische Universität Budapest (BME)
  • Neues Verfahren, das ohne Startwerte alle Lösungen innerhalb vorgegebener Variablenschranken findet: lineare Relaxationen, Constraint Propagation auf dem Berechnungsgraphen, Schrankenverschärfung mit linearer Programmierung
  • Bestimmung aller stationären Lösungen schwieriger Destillationskolonnen; drei Artikel im AIChE Journal (2008, 2009, 2011)
  • Open-Source-Löser in C++ mit Anbindung an AMPL
  • Technologien: C++, AMPL, IPOPT, Fortran

F&E-Ingenieur – Ablaufplanung für die Industrie

OptaSoft, Ungarn
  • Lösung eines Ablaufplanungsproblems mit der MILP-Heuristik „Local Branching“ deutlich beschleunigt
  • Heuristik auf Basis von 2-opt (Problem des Handlungsreisenden), Demo-Anwendung in Java
  • Bewertung genetischer Algorithmen für gemischt-ganzzahlige Probleme
  • Technologien: Java

Zertifikate

Sun Certified Java Programmer (310-065)

Sun Microsystems

2010

Oracle Database 11g SQL Certification (1Z0-051)

Oracle

2010

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden