Isac D.
Data Scientist
He is proficient in building microservices using FastAPI and Python to support AI systems for manufacturer defect detection. Isac has gained experience across a variety of industries, including house flipping, fintech, and manufacturing. One of his notable achievements is developing a system for automating processes at a major US-based Big Tech company using machine learning techniques. This system helps managers grant access to internal applications and optimizes response times.
In addition to his professional accomplishments, Isac won a machine learning hackathon in November 2018, securing first place. His diverse industry experience and technical proficiency make him a valuable asset in developing and implementing advanced AI solutions.
Hauptkompetenz
Data Analytics3 Jahre
Data Science5 Jahre
NumPy5 Jahre
Pandas5 JahreErfahrung5
Data Scientist
-
Developed a fraud detection system for client documents at Hospital Unimed using Python and Vertex AI, enabling automated classification of personal records and enhancing accuracy in fraud prevention.
-
Designed and delivered a Proof of Concept (PoC) for an AI-powered assistant to support psychologists during therapy sessions.
-
Built pipelines to process and transcribe audio using Whisper and Pyannote, including speaker diarization for precise session analysis.
-
Applied LLMs with Map-Reduce and RAG techniques to extract insights, detect emotions, and identify Cognitive Behavioral Therapy (CBT) elements from therapy transcripts.
-
Implemented advanced audio denoising and source separation (DSS) techniques to significantly improve transcription quality by removing background noise.
-
Generated structured reports and comprehensive summaries by combining LLM-driven summarization with map-reduce frameworks, effectively addressing context length limitations in large models.
-
Developed interactive dashboards using Python, Plotly, Seaborn, and Dash to visualize insights and statistics from therapy sessions, including the recurrence of emotions, frequent cognitive distortions, and other key behavioral metrics.
Docker
PostgreSQL
Flask
PythonData Science
Data Scientist
- Erstellung interaktiver Diagramme zur Darstellung von Amplitude über der Zeit, gefilterter Zeit und Amplitude über der Frequenz (FFT) mit Plotly zur Erleichterung einer eingehenden Signalanalyse.
- Entwicklung von digitalen AC/DC-Filtern zur Rauschreduzierung und Optimierung der Genauigkeit der EMI-Erkennung mit Scipy.
- Implementierung eines Dezimierungsprozesses zur effektiven Verwaltung großer EM-Signale.
- Durchgeführte Signalverarbeitungsanalyse mit Pandas und Numpy.
FlaskNumPyPandas
SciPy
Matplotlib
Product Engineer
- Zusammenarbeit mit dem technischen Team unter Verwendung von GitHub zur Verbesserung eines Fehlererkennungssystems, das für Kunden aus der Fertigungsindustrie entwickelt wurde.
- Implementierung von Microservices unter Verwendung von FastAPI, Flask und gRPC, um große Bilder (10k x 8k Pixel) zu verarbeiten und sie in Deep-Learning-Modelle einzubinden.
- Erstellung eines Python-Pakets, das eine API eines Drittanbieters nutzt, um den Anmerkungsprozess zu rationalisieren.
- Implementierung von Unit- und Integrationstests mit Docker und Python, um die Qualität des gelieferten Codes zu verbessern.
Flask
Azure Blob storageNumPy
gRPC
Machine Learning Researcher
- Die Forschung zielte darauf ab, Tensortechniken mit Zeitreihenprognosen für die Routenvorhersage von verdächtigen Fahrzeugen unter Verwendung von Sensordaten zu kombinieren.
TensorFlowNumPySciPyData Scientist
- Erstellung einer Empfehlungsmaschine unter Verwendung von maschinellen Lernmodellen mit einer Ablehnungsoption für stark unausgewogene Datensätze. Zu den Aufgaben gehörten Datenvisualisierung, Python-Programmierung, Datenbereinigung/-verarbeitung, Feature-Engineering und -auswahl, Modelltraining und -bewertung, Datenanalyse und Daten-ETL mit Python;
- Durchgeführtes Feature-Engineering an stark unausgewogenen Datensätzen aus verschiedenen Datenquellen wie AWS S3, PostgreSQL, MySQL und Cassandra;
- Sie haben den gesamten Data-Science-Zyklus abgewickelt, von der Entwicklung von Funktionen bis zur Bereitstellung von Modellen;
- Entwicklung eines Empfehlungssystems zur Unterstützung des oberen Managements bei der Entscheidungsfindung zur Kontrolle des Zugangs zu virtuellen Ressourcen;
- Erstellung, Bewertung, Bereitstellung und Pflege von Modellen für maschinelles Lernen als Webdienste;
- Implementierte Techniken zur Optimierung von Modellen, einschließlich Feature-Engineering und -auswahl, Redundanzerkennung, Ausreißererkennung, Über- und Unterabtastung, Modellkalibrierung und Erkennung von Dataset-Drifts;
- Entwicklung von Datenpipelines mit Python zur Verarbeitung von Finanzdaten und zur Migration von Daten zwischen Systemen.
CassandraFlaskTensorFlowNumPyPandasAusbildung
Hör auf zu stöbern.
Lass dich schneller matchen.
Sprechen Sie mit einem Experten und erhalten Sie innerhalb von nur 2 Tagen maßgeschneiderte Matches aus unserem Netzwerk.
Zugriff auf über 6.000+ Experten
Werden Sie im Durchschnitt in 2 Tagen mit einem Entwickler zusammengebracht
Schnell und einfach einstellen mit 94% Übereinstimmungserfolg