Paritosh M.

– Implementerede forudsigende modelleringsstrategier ved hjælp af både konventionelle prognosemetoder og avancerede dybe læringsteknikker for at lette implementeringen af effektive handelsstrategier. – Præsenterede analyser om nøgletrends og tilknyttede risici, og artikulerede deres indvirkning på præstationer for at støtte informerede beslutningsdiscussios.

– Udrullede og vedligeholdt Kafka-pipelines for at indsamle realtids tick-data fra forskellige udbydere og sikre et kontinuerligt flow af vigtig information til analyse. – Kommunikerede fund og indsigter til både tekniske og ikke-tekniske interessenter gennem klare visualiseringer, rapporter og præsentationer, der muliggør informerede beslutningsprocesser baseret på den udførte analyse.

– Lancering af den indtægtsgenererende tilbud, Walletshare, inden for Bloomberg-terminalen, der skønnede bankgebyrer i transaktioner såsom IPO'er, obligationsudbud og låneudbud. – Implementerede en maskinlæringsmodel ved at bruge to årtiers data for at lette nøjagtig gebyrestimering. – Ledede udviklingen af innovative datainsamlingsmetoder ved at udnytte forskellige NLP-teknikker for at øge nøjagtigheden og fremskynde tid til markedet for tilbuddet. – Udførte dybdegående analyser af kundernes anvendelsesmønstre inden for Bloomberg-terminalen og undersøgte tid brugt på produkter, og brugte indsigter til at foreslå og konceptualisere forbedringer, der sigter mod at forbedre brugeroplevelsen og engagementet.

• Developed a real-time algorithm that correlates facial movement with speech analysis, achieving a significant milestone of acquiring 10,000 paid B2C customers and 25 B2B customers;

• Led the development of models utilizing Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN) in Python through Tensorflow, showcasing expertise in advanced machine learning techniques;

• Spearheaded the deployment of these models on AWS using EC2, demonstrating proficiency in leveraging cloud computing infrastructure for scalable and efficient implementation;

• Worked within the Robert Bosch Corporate Technology Lab B, contributing expertise to cutting-edge projects and enhancing the technological landscape of the organization.

• As a Research Associate at the Robert Bosch Corporate Technology Lab in Bengaluru and Singapore from Jan 2017 to Jan 2018, developed a Semantic Retrieval system employing deep learning techniques. This innovation significantly enhanced autonomous driving capabilities, slashing model training time by an impressive 80%;

• Pioneered the development of a semantic segmentation algorithm tailored for identifying Dry Eye Glands. This advancement enabled the implementation of models on Edge devices, optimizing their efficiency and functionality in real-time scenarios;

• Contributed valuable expertise and research acumen to projects aimed at revolutionizing autonomous driving technology and medical image analysis, leveraging deep learning methodologies to push the boundaries of innovation within the field.