Adrianna J.
Machine Learning Engineer
Hun arbejder i øjeblikket som Technology Research Associate Principal og er dygtig til Python, TensorFlow, SPARQL, Stardog, AmpliGraph, Scikit-Learn, Docker, Streamlit og Git.
Adrianna har fire års specialiseret erfaring med grafisk maskinlæring og har især arbejdet i Accenture og ydet betydelige bidrag til projekter som CLARIFY, hvor hun ledede maskinlæringseksperimenter, gennemførte omfattende evalueringer og styrede implementeringen af løsninger til hospitaler.
Hun har en bachelor i kontrolteknik og robotteknologi og en dobbelt master i datavidenskab med en sidefag i iværksætteri fra EIT Digital, hvilket understreger hendes stærke tekniske fundament og iværksættertankegang.
Hovedekspertise
Databricks4 år
OpenCV5 år
Computer Vision5 år
Cuda7 årErfaring2
Technology Research Associate Principal
- Ledte CLARIFY-projektet til Accentures Greater than Award-finale i kategorien Inspiring Growth og styrede teknologioverførslen til et neurosymbolsk forespørgselssystem på biomedicinske vidensgrafer;
- Udviklede systemer til forudsigelse af tilbagefald og gennemførte TechStar 2023-ledelsesprogrammet;
- Skabte en prototype af REST API til AmpliGraph 2, som blev demonstreret i kundeworkshops;
- Bidrog til EU-Kommissionens CLARIFY H2020-projekt ved at levere et klientpilotprojekt, samarbejde med 11 partnere og udarbejde resultater;
- Foreslog fire patentideer og fungerede som hovedforfatter på to;
- Medvejleder for en ph.d.-praktikant om fortolkelig gen-sygdomsforudsigelse med GraphML;
- Fungerede som Virtual Buddy for en ny medarbejder og deltog i interviewpaneler;
- Præsenteret på konferencer som Sketching in Hardware 2022, ESSEC Business School og EIT Digital Alumni Annual Meeting om XAI og vidensgrafer;
- Var med til at præsentere COLING-22 Tutorial om Knowledge Graph Embeddings for NLP og skrev et Medium Labs-blogindlæg om XAIl;
- Gennemført maskinlæringsforskning om forklarlig AI til modeller for indlejring af vidensgrafer i præcisionsmedicinske onkologiapplikationer;
- Udviklet ExamplE, en ny forklaringsmetode til linkforudsigelse, der førte til en patentansøgning og et Proof of Concept, der blev implementeret på Hospital Puerta del Hierro for CLARIFY H2020-projektet;
- Designede eksperimenter til forudsigelse af tilbagefald af lungekræft og bidrog til udviklingen af AmpliGraph 1.4;
- Var medforfatter til tre leverancer til EU-Kommissionen og indsendte tre patentideer;
- Opnået en andenplads i Accenture Hackathon: Al4Insurance og deltog i Eco Innovation Challenge;
- Samarbejde med Human Insight Lab om forskellige initiativer.
Flask
Data Science
TensorFlow
NumPy
Pandas
R&D Software EngineerR&D Software Engineer
- Begyndte som studerende, blev forfremmet og skiftede rolle, mens han arbejdede i et team med ansvar for at udvikle en testramme for 5G-komponenter (R&D Python Software Developer);
- Samarbejdede om tidssynkronisering i Base Transceiver Stations, med hovedopgaver, herunder udvikling af webapplikationer med maskinlæringsstøtte i Python, hostet i skyen (R&D Embedded Software Engineer);
- Bidrog ved at skrive nye funktioner i C++, rette softwarefejl, unit-teste, dokumentere og anvende bedste praksis inden for objektorienteret programmering (OOP) og testdrevet udvikling (TDD).
Flask
PythonData ScienceTensorFlowNumPyIngeniørmæssig fremragendehed
Alle Machine Learning Engineerer, der har ansøgt til Proxify, får en score fra 0 til 300 på teknisk dygtighed, en af de fem parametre, vi evaluerer. Denne score afspejler kun teknisk dygtighed baseret på interviews, hjemmeopgaver, live kodningssessioner og/eller vurderinger af præstationer på jobbet. Kurven viser, hvordan alle evaluerede Machine Learning Engineerer er fordelt over dette interval, hvor vores acceptgrænse for denne parameter ligger, og hvor Adrianna står.
Score 195 · Top 8% of engineers
Certifikater 1
Issued Jan 2025 - Expires Jan 2027
Credential ID 131299902
DatabricksIssued Jan 2025 - Expires Jan 2027
Credential ID 131299902
DatabricksUddannelse
Stop med at søge.
Bliv matchet hurtigere.
Tal med en ekspert og få skræddersyede matches fra vores netværk på kun 2 dage.
Få adgang til over 6.000+ eksperter
Få matchet med en udvikler på gennemsnitligt 2 dage
Ansæt hurtigt og nemt med 94 % matchsuccess