Tevos M.

Machine Learning Engineer

Tevos er en Machine Learning Engineering Tech Lead med over seks års erfaring, der specialiserer sig i design og implementering af realtids ML-pipelines og dyb læringsløsninger.

En af hans mest bemærkelsesværdige præstationer er arkitekturen og produktionsimplementeringen af en forbrugerorienteret realtids ML-pipeline hos Philip Morris International (PMI). Dette projekt demonstrerede ikke kun hans dybe tekniske ekspertise, men også hans lederskab i at drive innovation, sikre forretningsmæssig indflydelse og succesfuldt operationalisere maskinlæring i et miljø med høj risiko.

Tevos er meget dygtig til at oversætte komplekse forretnings- og tekniske udfordringer til skalerbare, produktionsklare ML-systemer. Han spiller også en central rolle i at mentorsere ingeniørteams og forme teknisk strategi, hvilket gør ham til en stærk leder inden for maskinlæringsområdet.

Hovedekspertise

  • Python
    Python 6 år
  • FastAPI
    FastAPI 3 år
  • Apache Spark
    Apache Spark 3 år

Andre færdigheder

  • Kubernetes
    Kubernetes 3 år
  • Jenkins
    Jenkins 3 år
  • Streamlit
    Streamlit 2 år
Tevos

Tevos M.

Armenia

Match med udvikler her

Udvalgt oplevelse

Beskæftigelse

  • Machine Learning Engineer

    Pin-up TECH/Global - 1 år 6 måneder

    • Deltog som Machine Learning Engineer og blev senere forfremmet til Technical Lead for at lede teamet gennem nøgleovergange.
    • Ledede flere ML-projekter fra proof-of-concept (POC) til minimum viable product (MVP), for at sikre skalerbarhed og produktionsklarhed.
    • Transformerde ML-infrastrukturen til en sky-agnostisk stak, der optimerede fleksibilitet og omkostningseffektivitet.
    • Arkitekterede og styrede udviklingen af to Agentic-bots, herunder Retrieval-Augmented Generation (RAG) komponenter.
    • Overvågede implementeringen af et anbefalingssystem og en stemmeklassificeringsmodel, med fokus på robust ydeevne og overensstemmelse med forretningsmål.
    • Etablerede MLOps-praksis, herunder CI/CD pipelines, overvågning og alarmsystemer for at støtte vedligeholdelse og automatisering.
    • Faciliteterede tværfunktionelt samarbejde mellem data science, engineering og produktteams.

  • Machine Learning Technical Lead

    Pin-up TECH/Global - 1 år 6 måneder

    • Initially joined as a Machine Learning Engineer, then elected as the Technical Lead to guide the team through key transitions;

    • Led the evolution of multiple ML projects from proof-of-concept (POC) to minimum viable product (MVP), ensuring scalability and production-readiness;

    • Spearheaded the transformation of the ML infrastructure into a cloud-agnostic stack, optimizing for flexibility and cost-efficiency;

    • Architected and managed the development of two Agentic bots, including Retrieval-Augmented Generation (RAG) components;

    • Oversaw the implementation of a recommendation system and a voice classification model, ensuring robust performance and alignment with business goals;

    • Established MLOps practices, including CI/CD pipelines, monitoring, and alerting systems to support long-term maintainability and automation;

    • Facilitated cross-functional collaboration, driving alignment between data science, engineering, and product teams;

    • Mentored junior engineers and fostered a culture of technical excellence and knowledge sharing within the team.

    Teknologier:

    • Teknologier:
    • MongoDB MongoDB
    • Docker Docker
    • AWS AWS
    • Redis Redis
    • Python Python
    • Kubernetes Kubernetes
    • AWS Lambda AWS Lambda
    • TensorFlow TensorFlow
    • FastAPI FastAPI
    • Streamlit Streamlit
    • Large Language Models (LLM) Large Language Models (LLM)
    • LlamaIndex LlamaIndex

  • Machine Learning Engineer

    Intelinair - 9 måneder

    • Opsatte backend CI/CD-processer for eksisterende computer vision auto-skalerede dybe læringsmodelpipelines.
    • Udviklede en ny dyb læringsmodel for at forbedre operationel funktionalitet inden for analysetakken.
    • Implementerede et CI/CD-arbejdsgang, der muliggør hurtige og sikre opdateringer gennem hele ML-livscyklussen, kritisk i landbrugssæsonen.
    • Optimerede processer for at reducere omkostninger og latenstid, mens der blev opretholdt præcisionsmålinger.

  • Machine Learning Operations Engineer

    Intelinair - 9 måneder

    • Set up the backend CI/CD processes for existing computer vision auto-scaled DL model pipelines;

    • Developed a new DL model to enhance operational functionality within the analytics stack;

    • Implemented a CI/CD process enabling fast and safe introduction of changes in the full ML lifecycle, critical during the agricultural season;

    • Optimized processes to achieve cost and latency reduction while maintaining accuracy metrics.

    Teknologier:

    • Teknologier:
    • Docker Docker
    • Jenkins Jenkins
    • Data Science
    • OpenCV OpenCV
    • PyTorch PyTorch
    • Scikit-learn Scikit-learn
    • Machine Learning Machine Learning
    • FastAPI FastAPI
    • Cuda Cuda
    • AWS ECR AWS ECR

  • Senior Data Scientist / MLOps

    PMI - 6 flere år 5 måneder

    • Vedligeholdt og udvidede en end-to-end forbrugerorienteret realtids ML-pipeline i produktion.
    • Arkitekterede og udviklede den oprindelige pipeline, hvilket sikrede robust og skalerbar infrastruktur.
    • Gennemførte ad hoc-projekter fokuseret på dataminering og matematisk modellering.
    • Klassificerede elementer tidligt i produktlivscyklusen, hvilket betydeligt reducerede service- og logistikomkostninger.
    • Lagt fundamentet til en anden version af pipelinen for at muliggøre prædiktiv vedligeholdelse.

    Teknologier:

    • Teknologier:
    • Docker Docker
    • Apache Spark Apache Spark
    • Flask Flask
    • Jenkins Jenkins
    • Kubernetes Kubernetes
    • SQL SQL
    • TensorFlow TensorFlow
    • OpenCV OpenCV
    • PyTorch PyTorch
    • Scikit-learn Scikit-learn

  • Machine Learning Engineer

    Deloitte - 1 år

    • Udviklede og anvendte nøglefinansielle nøgletal og kvantitative modeller til at evaluere markedsrelaterede parametre, herunder Value at Risk (VaR), og sikrede præcise risikoforudsigelser og eksponeringsanalyser.
    • Gennemførte dybdegående teknisk analyse af strukturerede finansinstrumenter, såsom realkreditobligationer (MBS) og sikkerhedskollateraliserede gældsforpligtelser (CDOs), ved hjælp af stresstest, scenariomodellering og følsomhedsanalyse for at vurdere præstation under varierende markedsforhold.
    • Designede og finjusterede risikovurderingsmetoder, der kombinerer traditionel finansiel teori med data-drevne teknikker for at forbedre beslutningstagning og porteføljens modstandsdygtighed.
    • Samarbejdede med risikostyrings- og investeringsteams for at oversætte komplekse analytiske indsigter til handlingsbare anbefalinger.
    • Automatiserede risikorapporteringspipelines og dashboards, hvilket forbedrede gennemsigtigheden og accelererede reaktionen på markedsudsving.
    • Vurderede overholdelse af risikomodeller, hvilket sikrede overholdelse af interne risrammer og eksterne standarder som Basel III og IFRS.
    • Bidrog til modelvalidering ved at backteste præstationsmålinger og kalibrere modeller for forbedret nøjagtighed og robusthed.

    Teknologier:

    • Teknologier:
    • SQL SQL
    • Scikit-learn Scikit-learn
    • Machine Learning Machine Learning

  • Financial Analyst / Data Analyst

    Deloitte - 1 år

    • Developed and contributed to packages dedicated to data ETL, ML, and statistical analysis;

    • Enhanced general operation components of the stack, including GUI-related elements, for team projects;

    • Worked on structured and unstructured knowledge extraction and NLP tools.

    Teknologier:

    • Teknologier:
    • Data Analytics
    • NLP
    • Machine Learning Machine Learning

Uddannelse

  • MSc.Game Theory

    ISET · 2015 - 2017

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

Lad os snakke om det

I kan starte samarbejdet inden for få dage.