Farid H.

TTEK Inc. focuses on creating and implementing innovative technologies to enhance the efficiency of customs and border processing.

• Used Large Language models with advanced prompting techniques for text to sql. Created one LLM agent in order to do entity extraction. Then used output of that agent in SQL agent in order to create an sql query.
• Utilized advanced Prompting techniques with LLMs (gpt4-o and Claude) to extract valuable insights from diverse data sources in order to create risk rules in customs.
• Created an LLM Agent using an LLM (gpt4-o) together with serper api in order to predict the NAICS code for a given company name.
• Used LLMs for price prediction.
• Designed a dual-head classification model leveraging the BERT LLM architecture for precise categorization of products into Harmonized System (HS) codes.
• Built a Named Entity Recognition (NER) model to extract product names from descriptions, using BERT based LLM for token classification.

• Osallistui tutkimus- ja kehitystoimintaan.
• Kehitti REST-palvelimen Autocorrect-moduulille, joka tarjoaa saumattoman ja tehokkaan toiminnallisuuden.
• Hyödynsi OPTUNAa automaattiseen hyperparametrien säätöön, jolla optimoidaan mallien ja algoritmien suorituskykyä.
• Käytti selitettäviä tekoälytekniikoita, kuten Captumin, Limen ja SHAPin kaltaisia työkaluja, jotta mallin ennusteisiin ja päätöksentekoprosesseihin saataisiin tulkinnanvaraisia näkemyksiä.
• Hienosääti BERT-malleja tarkoituksenmukaisia luokittelutehtäviä varten ja hioi niiden suorituskykyä tietyissä kontekstin ymmärtämistehtävissä.
• Toteutti alusta alkaen PyTorch-pohjaisen DIET-luokittimen, joka mahdollistaa laajan tarkoituksen tunnistamisen ja luokittelun.
• Suoritti kokeiluja RASA:n avoimen lähdekoodin keskustelevalla tekoälykehyksellä ja tutki sen ominaisuuksia ja mahdollisia sovelluksia.
• Tutki kokonaisvaltaisia dialogimalleja, joissa käytettiin kielimalleja (LLM), sekä niiden tehokkuutta ja suorituskykyä keskustelevissa tekoälytehtävissä.

Voiceloft, an Azerbaijan-based platform that promotes the development of speech recognition technologies by collecting voice data.

• Fully responsible for the ML projects;

• Working on ASR model and leading 2 interns on NLP tasks;

• Fine-tuned Wav2Vec2 baseline model with our dataset.

• Työskenteli tutkimus- ja kehitystyön sekä data-analyysin parissa;
• Sovelsi tunneanalyysimallia käyttöönottoon Pythonin, PyTorchin, scikit-learnin, Dockerin ja Flaskin avulla.

• Vastasi täysin ML-projektien koko elinkaaren valvonnasta ja hallinnoinnista.
• Toteutti onnistuneesti huipputason azerbaidžanilaisen puheesta tekstiksi -mallin käyttäen Kaldi-työkalupakettia ja Pythonia.
• Kehitti azerbaidžanilaisen tekstistä puheeksi -mallin, jossa käytettiin Tacotron2- ja rinnakkaista vegaanimallia synteesiä varten PyTorchissa.

• Fully responsible for the ML projects and crawlers;

• Applied Generic Crawler to get data from any news page, even if they change their design;

• Built the ETL process, getting news data from 200 different Azerbaijani news channels;

• Applied Similarity Detection, Text Categorization, NER, Sentiment;

• Analysis, Keyword Extraction, Summarization to those data;

• Finished Projects: aqreqator.az.