Fatih C.
Senior Data Scientist
Hän kehitti n11:ssä järjestelmiä suosituksiin, tuotemerkintöihin, asiakassegmentointiin ja ostotarkoitusanalyysiin, parantaen käyttäjäkokemusta ja mahdollistaen data-pohjaisen päätöksenteon. Hän on myös toteuttanut tietokonevisio- ja NLP-ratkaisuja, kuten kuvanlaadun arviointia, petosten havaitsemista ja sähköpostien klusterointia.
Hän yhdistää vahvat analyyttiset valmiudet ja käytännön teknisen asiantuntemuksen skaalautuvien tekoälyn järjestelmien suunnitteluun, jotka onnistuneesti siirtyvät tutkimuksesta luotettaviin tuotantoympäristöihin.
Tärkein asiantuntemus
Python6 vuotta
Data Science5 vuotta
Machine Learning6 vuotta
NumPy6 vuottaKokemus4
Senior Data Scientist
- 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
Apache SparkPythonData Science
TensorFlowNumPy
Deep Learning Engineer
- 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
PythonData Science
Pandas
PyTorch
SciPy
R&D Intern
- 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
PythonData ScienceNumPyPandasSciPyMachine Learning
Data Scientist
- 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
PythonData Science
KerasPandasPyTorchArviointi
Tekniikan huippuosaaminen
Fatih yleinen suorituskyky 90 minuutin suorassa teknisessä arvioinnissa on top 5 % Proxifyn tarkastetuista Senior Data Scientist.
Koulutus
Lopeta selaaminen.
Sovitetaan nopeammin.
Keskustele asiantuntijan kanssa ja saat räätälöityjä ehdotuksia verkostostamme vain 2 päivässä.
Pääsy yli 6 000+ asiantuntijaa
Löydä kehittäjä keskimäärin 2 päivässä
Palkkaa nopeasti ja helposti 94% onnistuneella osumalla