Danut M.
Machine Learning Engineer
Danut on koneoppimisinsinööri, jolla on viiden vuoden kokemus. Hänen tehtäviinsä kuuluu koneoppimisjärjestelmien suunnittelu, toteutus ja ylläpito.
Hän hyödyntää tietotekniikan, tilastotieteen ja data-analyysin osaamistaan kehittääkseen algoritmeja ja malleja, jotka pystyvät oppimaan ja tekemään ennusteita tai päätöksiä laajoista tietokokonaisuuksista.
Danut kerää ja esikäsittelee tiedot varmistaen niiden laadun ja yhteensopivuuden valittujen algoritmien kanssa. Hän valitsee ja konfiguroi koneoppimisen kehyksiä, kirjastoja ja työkaluja vankkojen ja skaalautuvien mallien rakentamiseksi. Lisäksi hän tekee kokeita koneoppimismallien kouluttamiseksi ja hienosäätämiseksi, niiden suorituskykyä jatkuvasti iteroiden ja optimoiden niitä eri kriteerien, kuten tarkkuuden, nopeuden ja muiden haluttujen tulosten, suhteen.
Tärkein asiantuntemus
- Data Science 5 vuotta
- Machine Learning 5 vuotta
- NumPy 5 vuotta
Muut taidot
- Keras 3 vuotta
- PyTorch 3 vuotta
- TensorFlow 3 vuotta
Valittu kokemus
Työllisyys
Machine Learning Engineer
Deutsche Bank - 2 years 9 months
- Vertailumittaukset ja täydennykset eri suosittelualgoritmeille talousdatan perusteella käyttäen Numpya, Pandasia ja scikit-learnia
- Suunnitteli ja toteutti PySpark-putken päivittäisiä ennusteita varten, mukaan lukien kirjaus- ja seurantakomponentit.
Tekniikat:
- Tekniikat:
- Machine Learning
- NumPy
- Pandas
- Scikit-learn
Kurssin ohjaaja
Bittnet Training - 3 years
- Järjesti kursseja koneoppimisen käsitteistä, jotka kattavat Python-kirjastot, kuten NumPy, Pandas, Keras, Matplotlib ja Seaborn.
- Järjesti kursseja DevOps-käsitteistä, jotka kattavat mm. seuraavat teknologiat: Kubernetes, Docker, Terraform ja Ansible.
Tekniikat:
- Tekniikat:
- Keras
- NumPy
- Pandas
- Python
Tutkija
CRC MINES - 1 year 8 months
- Loi Keras-ohjelmalla LSTM-malli poikkeavien lakkausilmiöiden havaitsemiseksi ennustamalla ilmakompressorin parametrien odotettua aikakehitystä.
- Hyödynsi OpenPosea ja OpenCV:tä suunnitellakseen vankan, automatisoidun toistojen laskentajärjestelmän urheilijoiden suorittamien kyykkyjen arvioimiseksi.
- Kehitti erilaisia ratkaisuja tietokonetomografia- ja PET-skannauksia varten, mukaan lukien 2D-kuvien rekisteröinti, 3D-pistepilvien rekisteröinti, aivojen segmentointi, täplien havaitseminen, kuvien yhdistäminen ja 3D-visualisointi. Tähän käytettiin Numpya, OpenCV:tä ja Scikit-imagea.
Tekniikat:
- Tekniikat:
- Machine Learning
- NumPy
- Scikit-learn
Koulutus
MSc.Tietokone- ja verkkoturvallisuus
Bukarestin ammattikorkeakoulu · 2020 - 2022
BSc.Tietokonetekniikka
Bukarestin ammattikorkeakoulu · 2016 - 2020
Löydä seuraava kehittäjäsi päivien, ei kuukausien sisällä
Kun otat yhteyttä, järjestämme lyhyen 25 minuuttia kestävän tapaamisen, jonka aikana:
- Kartoitamme yrityksenne kehitystarvetta
- Kertoa prosessimme, jolla löydämme teille pätevän, ennakkotarkastetun kehittäjän verkostostamme
- Käymme läpi askeleet, joilla oikea ehdokas pääsee aloittamaan – useimmiten viikon sisällä