Fatih C.

• Kehitetyt koneoppimisen ja syvän oppimisen mallit parantavat käyttäjäkokemusta, suositusten laatua ja tehokkuutta markkinoilla
• Rakenna kommentti tagit ja luokittelu järjestelmä tuotearvioita käyttäen NLP tekniikoita
• Kehitetyt mallit asiakkaiden segmentoitumiseen ja ostoaikeiden ennustamiseen, mikä mahdollistaa kohdennetummat markkinointistrategiat
• Osallistunut laajamittaisiin tietojenkäsittelyputkiin, joissa käytetään Apache Sparkia ja muita big data -kehyksiä
• Rakennettu ML ratkaisuja suositus järjestelmät, tuotekatalogi, kysynnän ennustaminen, ja dynaaminen hinnoittelu
• Valmistettu suurilla tietokokonaisuuksilla hajautetuissa laskentaympäristöissä skaalautuvien mallien kouluttamiseksi

• Kehitetyt generatiiviset syvän oppimisen mallit, mukaan lukien VAE- ja VQGAN-mallit, synteettistä lääketieteellistä kuvantuotantoa varten
• Toteutetut huomiopohjaiset hermostoverkot kuvan luokittelua ja esimerkiksi segmentointia varten
• Rakennettu tietokoneen visio putkistot tukea lääketieteellisen kuvananalyysin ja diagnostisen avun järjestelmiä
• Sovellettu edistyksellinen syvän oppimisen tekniikoita parantaa koulutustietoja synteettisen datan tuottamisen avulla
• PyTorchin ja Python-pohjaisten syvien oppimiskehysten työstäminen mallien kouluttamiseksi ja arvioimiseksi

• Kehitetty tietokoneoppimismalli ohjelmistojen haavoittuvuuden havaitsemiseen, huipputason suorituskyvyn saavuttaminen tutkimuksen vertailuarvoissa
• Sovelletut tietosarjojen tasapainotustekniikat, kuten alinäytteenotto, parantaakseen mallin tarkkuutta
• Sisäänrakennetut ML putkistot tietoturvatietokokonaisuuksien analysointiin Pythonin avulla
• Arvioitu mallin suorituskyky ja vertailtu tuloksia nykyisiin tutkimusvertailuarvoihin

• Kehitetyt koneoppimisen mallit tietokonenäön ja NLP-verkkotunnusten välillä
• Toteutetut projektit kuten kuvanlaadun arviointi (tekninen ja esteettinen), sähköpostien klusterointi ja asiakkaiden segmentointi
• Rakennettu koneoppimisen putkistot petosten havaitsemiseen ja käyttäytymisen analysointiin
• Hallittu tiedonkeruu ja muistiinpanojen työnkulku tietokonevisioaineistoihin
• Kehitetyt ja koulutetut mallit Python-, PyTorch- ja Keras-kehysten avulla
• Yhteistyössä hajautettujen insinööritiimien kanssa data-tieteen ratkaisujen toimittamiseksi yritysasiakkaille

• Developed a real-time emotion detection system combining facial expressions and speech features.

• Implemented deep learning architectures including LSTM, CNN, SVM, and ResNet50.

• Performed data preprocessing tasks such as face detection and dataset frontalization.

• Built a multimodal machine learning pipeline combining acoustic and visual signals.

Rafiqi is a technology startup focused on building AI-powered platforms to support refugees in finding employment opportunities across Europe.

• Contributed to backend development of an AI-powered job matching platform.

• Developed REST APIs for querying and retrieving job-related data.

• Built backend services using Node.js and React-based web platforms.

• Worked in an international agile team collaborating across multiple countries.

Nokia is a global telecommunications company providing network infrastructure and digital services.

• Developed a mobile-based event registration platform for Nokia events and conferences.

• Implemented backend features enabling event registration for customers, employees, and students.

• Collaborated with distributed international engineering teams working remotely across different time zones.

• Contributed to improving platform stability and registration workflows.