Paritosh M.

– Implementierte prädiktive Modellierungsstrategien mithilfe konventioneller Prognosemethoden und fortschrittlicher Deep-Learning-Techniken zur Unterstützung der Bereitstellung effektiver Handelsstrategien. – Präsentierte Analysen zu wichtigen Trends und den damit verbundenen Risiken und beschrieben deren Auswirkungen auf die Leistung zur Unterstützung fundierter Entscheidungsfindung.

– Setzte Kafka-Pipelines ein und wartete diese, um Echtzeit-Preisdaten von verschiedenen Anbietern zu sammeln und so einen kontinuierlichen Informationsfluss zur Analyse sicherzustellen. – Kommunizierte Ergebnisse und Erkenntnisse sowohl an technische als auch an nicht-technische Stakeholder durch klare Visualisierungen, Berichte und Präsentationen, um fundierte Entscheidungen auf Basis der durchgeführten Analysen zu ermöglichen.

– Startete das umsatzgenerierende Angebot, Walletshare, innerhalb des Bloomberg-Terminals, um Bankgebühren in Geschäften wie IPOs, Anleihe- und Kreditangeboten zu schätzen. – Implementierte ein Machine-Learning-Modell unter Verwendung von zwei Jahrzehnten Daten, um eine genaue Gebührenabschätzung zu ermöglichen. – Leitete die Entwicklung innovativer Datenakquisemethoden unter Nutzung verschiedener NLP-Techniken, um die Genauigkeit zu verbessern und die Markteinführungszeit für das Angebot zu verkürzen. – Führte eine eingehende Analyse der Nutzungsmuster der Kunden innerhalb des Bloomberg-Terminals durch, untersuchte die Zeit, die für Produkte aufgewendet wurde, und nutzte Erkenntnisse, um Verbesserungen zu vorschlagen und zu konzipieren, die auf die Verbesserung von Nutzererfahrung und Engagement abzielten.

• 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.