Farid H.

TTEK Inc. focuses on creating and implementing innovative technologies to enhance the efficiency of customs and border processing.

• Used Large Language models with advanced prompting techniques for text to sql. Created one LLM agent in order to do entity extraction. Then used output of that agent in SQL agent in order to create an sql query.
• Utilized advanced Prompting techniques with LLMs (gpt4-o and Claude) to extract valuable insights from diverse data sources in order to create risk rules in customs.
• Created an LLM Agent using an LLM (gpt4-o) together with serper api in order to predict the NAICS code for a given company name.
• Used LLMs for price prediction.
• Designed a dual-head classification model leveraging the BERT LLM architecture for precise categorization of products into Harmonized System (HS) codes.
• Built a Named Entity Recognition (NER) model to extract product names from descriptions, using BERT based LLM for token classification.

• Beteiligung an Forschung und Entwicklung.
• Entwicklung eines REST-Servers für das Autokorrektur-Modul mit nahtloser und effizienter Funktionalität.
• Nutzung von OPTUNA für automatisches Hyperparameter-Tuning, Optimierung der Leistung von Modellen und Algorithmen.
• Anwendung erklärbarer KI-Techniken, einschließlich Tools wie Captum, Lime und SHAP, um interpretierbare Einblicke in Modellprognosen und Entscheidungsprozesse zu geben.
• Durchführung der Feinabstimmung von BERT-Modellen für Absichtsklassifizierungsaufgaben zur Verfeinerung spezifischer kontextabhängiger Verständnisaufgaben.
• Implementierung eines PyTorch-basierten DIET-Klassifikators von Grund auf und Ermöglichung einer breit gefassten Absichtserkennung und Klassifizierung.
• Durchführung von Experimenten mit dem konversationellen Open-Source-KI-Framework von RASA durch Erforschung von dessen Fähigkeiten und potenziellen Anwendungsmöglichkeiten.
• Erforschung von End-to-End-Dialogmodellen mithilfe von Sprachmodellen (LLM) und deren Wirksamkeit und Leistung bei konversationellen KI-Aufgaben.

Voiceloft, an Azerbaijan-based platform that promotes the development of speech recognition technologies by collecting voice data.

• Fully responsible for the ML projects;

• Working on ASR model and leading 2 interns on NLP tasks;

• Fine-tuned Wav2Vec2 baseline model with our dataset.

• Beschäftigung mit Forschung und Entwicklung sowie Datenanalyse.
• Anwendung eines Sentiment-Detection-Modells mit Python, PyTorch, scikit-learn, Docker und Flask.

• Volle Verantwortung für die Überwachung und Verwaltung des gesamten Lebenszyklus von ML-Projekten.
• Erfolgreiche Implementierung eines modernen aserbaidschanischen Speech-to-Text-Modells mithilfe des Kaldi-Toolkits und Python.
• Entwicklung eines aserbaidschanischen Text-to-Speech-Modells mithilfe von Tacotron2 und eines parallelen veganen Modells für Synthese in PyTorch.

• Fully responsible for the ML projects and crawlers;

• Applied Generic Crawler to get data from any news page, even if they change their design;

• Built the ETL process, getting news data from 200 different Azerbaijani news channels;

• Applied Similarity Detection, Text Categorization, NER, Sentiment;

• Analysis, Keyword Extraction, Summarization to those data;

• Finished Projects: aqreqator.az.