Giorgi B.

DX Compliance Solutions is a UK-based FinTech company specializing in financial crime detection and prevention.

• Developed and trained machine learning models to detect fraudulent transaction patterns using large-scale synthetic datasets, improving anomaly detection accuracy.

• Built graph-based data representations in Neo4j to uncover hidden connections between entities, supporting detection of complex financial crime typologies.

• Collaborated with backend developers and data engineers to optimize data ingestion pipelines, ensuring efficient model training and feature generation.

• Enhanced model explainability by implementing network visualizations and SHAP-based interpretability reports for compliance review.

• Tuned and validated ML pipelines to balance precision and recall, reducing false positives while maintaining regulatory-grade accuracy.

• Deployed and monitored ML components in production, ensuring data consistency and proactive detection of model drift.

TuringofTrust is an early-stage IT startup building AI-driven products leveraging Large Language Models to deliver intelligent, context-aware applications.

• Designed and implemented a Retrieval-Augmented Generation (RAG) architecture using LangChain and LlamaIndex, integrating vector databases for semantic search.

• Developed modular Pydantic object structures to streamline LLM agent interactions and ensure schema validation across data pipelines.

• Integrated OpenAI APIs with Azure cloud components, deploying MVPs as containerized Dash applications for beta testing.

• Optimized data embedding and retrieval workflows using Azure Cosmos DB for MongoDB and PostgreSQL backends.

• Deployed the full prototype to Azure App Service and implemented Docker-based CI/CD for scalable testing and iteration.

• Entwicklung und Implementierung von NLP-Modellen (Natural Language Processing).
• Verwendung von Python für maschinelles Lernen und Datenverarbeitungsaufgaben.
• Arbeitete mit TensorFlow und PyTorch für Modellentwicklung und Training.
• Implementierung von Lösungen für maschinelles Lernen auf AWS mit Diensten wie EC2 und S3.
• Verwaltete Datenbanken mit PostgreSQL.
• Erstellung von APIs mit FastAPI für die Anwendungsintegration.
• Behandelt asynchrone Aufgaben mit Celery.
• Integration und Nutzung der ChatGPT-API für erweiterte NLP-Funktionen.
• Verwendet RabbitMQ, um die Anforderungen der Nachrichtenwarteschlange zu erfüllen.

• Implementierung neuronaler Sprachverarbeitungstechniken zur Optimierung des Einstellungsprozesses und zur Verbesserung der Mitarbeiterempfehlungen durch Abgleich von Stellenanforderungen mit geeigneten Kandidaten aus den LinkedIn-Kontakten der Mitarbeiter.
• Training und Einsatz von Deep-Learning-Modellen zur Verbesserung der Genauigkeit und Effizienz der datengesteuerten Entscheidungsfindung im Mitarbeiterempfehlungsprogramm.
• Sie haben Daten gescannt und verarbeitet, um relevante Datensätze für das Training von Deep-Learning-Modellen zu erstellen, und so zur Entwicklung anspruchsvoller Algorithmen und Lösungen für die Talentakquise beigetragen.
• Gekonnter Einsatz von Python-Diensten mit Flask, FastAPI, Celery, RabbitMQ und Cronjobs für nahtlose Integration und Prozessautomatisierung.

• Nutzung von Deep-Learning-Frameworks wie PyTorch und TensorFlow, um fortschrittliche Algorithmen zu entwickeln, die Kunden genau identifizieren und nachverfolgen und so das gesamte Kundenerlebnis innerhalb des cloudbasierten POS- und Geschäftsmanagementsystems verbessern.
• Geschicktes Verwalten von Datenbanken unter Verwendung von PostgreSQL und MS SQL, um wichtige Daten zu speichern und abzurufen und dabei Datenintegrität und effizienten Zugriff zu gewährleisten.
• Demonstrierte eine dynamische Kombination aus Computer Vision Engineering, Python-Entwicklung und maschinellem Lernen bei Franpos, was zu einem robusten Gesichtserkennungs- und -verfolgungssystem innerhalb des cloudbasierten POS- und Geschäftsmanagementsystems führte.
• Training und Einsatz von Deep-Learning-Modellen zur Verbesserung der Genauigkeit und Effizienz der datengesteuerten Entscheidungsfindung für das Mitarbeiterempfehlungsprogramm.
• Sie haben Daten gescannt und verarbeitet, um relevante Datensätze für das Training von Deep-Learning-Modellen zu erstellen, und so zur Entwicklung anspruchsvoller Algorithmen und Lösungen zur Talentgewinnung beigetragen.
• Gekonnter Einsatz von Python-Diensten mit Flask, FastAPI, Celery, RabbitMQ und Cronjobs für nahtlose Integration und Prozessautomatisierung.

• Developed and deployed an Automatic License Plate Recognition (ALPR) system using PyTorch, TensorFlow, and Keras;

• Implemented a Body Poses Estimator for Golf players utilizing deep learning techniques;

• Created a Nudity Detection system for online social media platforms and executed data mining and scraping tasks with Python and popular libraries such as Scrapy, Beautiful Soup, and Selenium;

• Proficient in cloud platforms like AWS and GCP for efficient model deployment and management;