Fatih C.

• Udviklet machine learning og dyb læring modeller til at forbedre brugeroplevelse, anbefaling kvalitet, og markedsplads effektivitet
• Bygget en kommentar tagging og klassificering system til produktanmeldelser ved hjælp af NLP teknikker
• Udvikling af modeller for kundesegmentering og købshensigt forudsigelse, hvilket muliggør mere målrettede markedsføringsstrategier
• Bidrag til store databehandling rørledninger ved hjælp af Apache Spark og andre big data rammer
• Bygget ML løsninger til anbefaling systemer, produkt katalog forening, efterspørgsel prognoser og dynamisk prissætning
• Arbejdet med store datasæt i distribuerede computermiljøer til at træne skalerbare modeller

• Udviklede generative dybe læringsmodeller, herunder VAEs og VQGANs, til syntetisk medicinsk billedgeneration
• Gennemført opmærksomhedsbaserede neurale netværk til billedklassificering og instanssegmentering opgaver
• Bygget computer vision rørledninger til støtte for medicinsk billedanalyse og diagnostiske bistandssystemer
• Anvendt avancerede dybe læringsteknikker til at forbedre træningsdatasæt gennem syntetisk datalgeneration
• Arbejdet med PyTorch og Python-baserede dybe læringsrammer til at uddanne og evaluere modeller

• Udviklet en machine learning model for software sårbarhed afsløring, opnå state-of-the-art præstation i forskningsbenchmarks
• Anvendte datasæt balanceringsteknikker såsom undersampling for at forbedre modelnøjagtigheden
• Bygget ML pipelines til analyse af sikkerhedsdatasæt ved hjælp af Python
• Evaluerede modelresultater og sammenlignede resultater med gældende forskningsbenchmarks

• Udviklede machine learning modeller på tværs af computer vision og NLP domæner
• Gennemførte projekter, herunder vurdering af billedkvalitet (teknisk og æstetisk), e-mail klynge og kundesegmentering
• Bygget machine learning pipelines for svindel afsløring og adfærdsmæssige analyser
• Håndterede arbejdsgange til dataindsamling og -annotation for datasæt til computervision
• Udviklede og uddannede modeller ved hjælp af Python, PyTorch og Keras rammer
• Samarbejdet med distribuerede ingeniørteams til at levere data videnskab løsninger til virksomhedens kunder

• Developed a real-time emotion detection system combining facial expressions and speech features.

• Implemented deep learning architectures including LSTM, CNN, SVM, and ResNet50.

• Performed data preprocessing tasks such as face detection and dataset frontalization.

• Built a multimodal machine learning pipeline combining acoustic and visual signals.

Rafiqi is a technology startup focused on building AI-powered platforms to support refugees in finding employment opportunities across Europe.

• Contributed to backend development of an AI-powered job matching platform.

• Developed REST APIs for querying and retrieving job-related data.

• Built backend services using Node.js and React-based web platforms.

• Worked in an international agile team collaborating across multiple countries.

Nokia is a global telecommunications company providing network infrastructure and digital services.

• Developed a mobile-based event registration platform for Nokia events and conferences.

• Implemented backend features enabling event registration for customers, employees, and students.

• Collaborated with distributed international engineering teams working remotely across different time zones.

• Contributed to improving platform stability and registration workflows.