Kevin K.
Machine Learning Engineer
Kühl beherrscht vier Sprachen: brasilianisches Portugiesisch, Englisch, Spanisch und Französisch. Er bringt solide Grundkenntnisse in der Forschung und Fachwissen in Bereichen wie Graph Machine Learning, Zeitreihenanalyse, NLP und Computer Vision mit.
Kühl ist stets auf der Suche nach neuen Herausforderungen, bei denen er sich in der Praxis mit spannenden Problemen auseinandersetzen kann. Zu seinem technischen Handwerkszeug gehören Python, C/C++, C#, SQL und verschiedene Frameworks und Plattformen, wie PyTorch, Keras, TensorFlow, PySpark, Ray, AWS und Azure. Kühl verfügt über das notwendige Know-how, um in verschiedenen technischen Bereichen einen effektiven Beitrag zu leisten.
Hauptkompetenz
Python5 Jahre
Machine Learning4 Jahre
Apache Spark2 JahreErfahrung6
Machine Learning Engineer
- Arbeit an der Extraktion von Informationen aus Labels und dem Abgleich von Textähnlichkeiten in Produktkatalogen für ein automatisiertes Bestandskontrollsystem mit einer Abgleichsgenauigkeit von über 95 %
- Arbeit an Keypoint-Detection-Modellen, um die Bilderfassung zu automatisieren
- Arbeit an Objekterkennungsmodellen, Fehleranalyse und Inferenzoptimierung für die Kontrolle von Fertigungslinien
- Verbesserung der Genauigkeit des ETA-Vorhersagesystems. Dabei wendete er eine geometrische Projektion auf die geschätzte Route zur Korrektur von Sensordaten an, um Ergebnisse innerhalb eines Konfidenzintervalls von 5 % sicherzustellen
- Arbeit an der GPU-Optimierung mit NVIDIA TensorRT
- Aufbau von skalierbaren Datenverarbeitungspipelines mit Scala und Spark
Scala
TensorFlow
OpenCV
Keras
Praktikant
- Entwicklung einer Software zur Optimierung der Kapitalallokation für Volatilitätsstrategien
Machine Learning
Praktikant
- Optimierung der Marketing-Investitionen für verschiedene Länder, basierend auf Nutzendenkennzahlen und der Effizienz früherer Kampagnen
Intern
- Developed a capital allocation optimization software for private pension portfolios under regulatory constraints.
Research Intern
-
Complex Dynamics Reconstruction: Analyzed data from complex networks (e.g., the human brain) and worked on network dynamics reconstruction through sparse recovery techniques.
-
Critical Transitions in Dynamical Systems: Researched the behavior of Lyapunov exponent as a predictor of critical changes in dynamical regime.
Scikit-learnMachine LearningUndergraduate Researcher
-
Complex Dynamics Reconstruction: Analyzed data from complex networks (e.g., the human brain) and worked on network dynamics reconstruction through sparse recovery techniques.
-
Critical Transitions in Dynamical Systems: Researched the behavior of Lyapunov exponent as a predictor of critical changes in dynamical regime.
-
Optimized Intervention against COVID-19: Worked in a computational model for the spread of diseases by the general social dynamics of any community.
-
Research intern in the Department of Mathematics at Imperial College London.
PyTorchScikit-learnMachine LearningAusbildung
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