Danut M.
Maskinlæringsingeniør
Danut er maskinlæringsingeniør med fem års erfaring. Hans rolle er at designe, implementere og vedligeholde maskinlæringssystemer.
Han udnytter sin viden inden for datalogi, statistik og dataanalyse til at udvikle algoritmer og modeller, der kan lære og udføre forudsigelser eller beslutninger ud fra omfattende datasæt.
Danut indsamler, forbehandler data samt sikrer deres kvalitet og kompatibilitet med de valgte algoritmer. Han udvælger og konfigurerer maskinlæringswebrammer, biblioteker og værktøjer til at konstruere robuste og skalerbare modeller. Derudover udfører han eksperimenter for at træne og finjustere maskinlæringsmodeller, hvor han konsekvent anvender en iterativ proces på deres ydeevne og optimerer dem efter forskellige kriterier, herunder nøjagtighed, hastighed og andre ønskede resultater.
Hovedekspertise
- Data Science 5 år
- Machine Learning 5 år
- NumPy 5 år
Andre færdigheder
- Keras 3 år
- PyTorch 3 år
- TensorFlow 3 år
Udvalgt oplevelse
Beskæftigelse
Maskinlæringsingeniør
Deutsche Bank - 2 flere år 9 måneder
- Udførelse af benchmarking og udvidelse af forskellige anbefalingsalgoritmer på finansielle data ved hjælp af Numpy, Pandas og scikit-learn
- Designede og implementerede en PySpark-pipeline til daglige forudsigelser, herunder loggings- og monitoreringskomponenter.
Teknologier:
- Teknologier:
- Machine Learning
- NumPy
- Pandas
- Scikit-learn
Kursus instruktør
Bittnet Training - 3 flere år
- Afholdt kurser om maskinlæringskoncepter, der omfatter Python-biblioteker som NumPy, Pandas, Keras, Matplotlib og Seaborn.
- Afholdt kurser om DevOps-koncepter, der omfatter teknologier som Kubernetes, Docker, Terraform og Ansible.
Teknologier:
- Teknologier:
- Keras
- NumPy
- Pandas
- Python
Forsker
CRC MINES - 1 år 8 måneder
- Skabte en LSTM-model i Keras til at detektere unormale lakfænomener ved at forudsige det forventede tidsforløb for luftkompressorparametre.
- Brugte OpenPose og OpenCV til at designe et robust, automatiseret system til gentagelsestælling med henblik på vurdering af squats udført af atleter.
- Udviklede forskellige løsninger til CT- og PET-scanninger, herunder 2D-billedregistrering, 3D-punktskyregistrering, hjernesegmentering, blob-detektion, billedfusion og 3D-visualisering. Dette blev opnået ved hjælp af Numpy, OpenCV og Scikit-image.
Teknologier:
- Teknologier:
- Machine Learning
- NumPy
- Scikit-learn
Uddannelse
MSc.Computer- og netværkssikkerhed
Polytehnic University of Bukarest · 2020 - 2022
BSc.Computerteknik
Polytehnic University of Bukarest · 2016 - 2020
Find din næste udvikler inden for få dage, ikke måneder
Book en 25-minutters samtale, hvor vi:
- udfører behovsafdækning med fokus på udviklingsopgaver
- Forklar vores proces, hvor vi matcher dig med kvalificerede, godkendte udviklere fra vores netværk
- beskriver de næste trin for at finde det perfekte match på få dage