Isac D.
Data Scientist
He is proficient in building microservices using FastAPI and Python to support AI systems for manufacturer defect detection. Isac has gained experience across a variety of industries, including house flipping, fintech, and manufacturing. One of his notable achievements is developing a system for automating processes at a major US-based Big Tech company using machine learning techniques. This system helps managers grant access to internal applications and optimizes response times.
In addition to his professional accomplishments, Isac won a machine learning hackathon in November 2018, securing first place. His diverse industry experience and technical proficiency make him a valuable asset in developing and implementing advanced AI solutions.
Tärkein asiantuntemus
Data Analytics3 vuotta
Data Science5 vuotta
NumPy5 vuotta
Pandas5 vuottaKokemus5
Data Scientist
-
Developed a fraud detection system for client documents at Hospital Unimed using Python and Vertex AI, enabling automated classification of personal records and enhancing accuracy in fraud prevention.
-
Designed and delivered a Proof of Concept (PoC) for an AI-powered assistant to support psychologists during therapy sessions.
-
Built pipelines to process and transcribe audio using Whisper and Pyannote, including speaker diarization for precise session analysis.
-
Applied LLMs with Map-Reduce and RAG techniques to extract insights, detect emotions, and identify Cognitive Behavioral Therapy (CBT) elements from therapy transcripts.
-
Implemented advanced audio denoising and source separation (DSS) techniques to significantly improve transcription quality by removing background noise.
-
Generated structured reports and comprehensive summaries by combining LLM-driven summarization with map-reduce frameworks, effectively addressing context length limitations in large models.
-
Developed interactive dashboards using Python, Plotly, Seaborn, and Dash to visualize insights and statistics from therapy sessions, including the recurrence of emotions, frequent cognitive distortions, and other key behavioral metrics.
Docker
PostgreSQL
Flask
PythonData Science
Data Scientist
- Luotu interaktiivisia kaavioita, jotka kuvaavat amplitudia suhteessa aikaan, suodatettua aikaa ja amplitudia suhteessa taajuuteen (FFT) käyttäen Plotlya, mikä helpottaa syvällistä signaalianalyysiä.
- Suunnitellut AC / DC-digitaaliset suodattimet kohinan vähentämiseksi, EMI-tunnistuksen tarkkuuden optimoimiseksi Scipyn avulla.
- Toteutettu desimointiprosessi suurten EM-signaalien tehokkaaseen hallintaan.
- Suorittanut signaalinkäsittelyanalyysiä Pandasin ja Numpyn avulla.
FlaskNumPyPandas
SciPy
Matplotlib
Product Engineer
- Teki yhteistyötä teknisen tiimin kanssa GitHubin avulla parantaakseen valmistusasiakkaille suunniteltua vikojen havaitsemisjärjestelmää.
- Toteutti mikropalveluja FastAPI:n, Flaskin ja gRPC:n avulla suurten (10k x 8k pikselin) kuvien käsittelemiseksi ja niiden soveltamiseksi syväoppimismalleihin.
- Luotu Python-paketti, joka hyödynsi kolmannen osapuolen API:ta annotaatioprosessin virtaviivaistamiseksi.
- Toteutti yksikkö- ja integrointitestejä Dockerin ja Pythonin avulla toimitetun koodin laadun parantamiseksi.
Flask
Azure Blob storageNumPy
gRPC
Machine Learning Researcher
- Tutkimuksessa pyrittiin yhdistämään tensoritekniikoita ja aikasarjan ennustamista epäilyttävien ajoneuvojen reitin ennustamiseen anturidatan avulla.
TensorFlowNumPySciPyData Scientist
- Luotu suositusmoottori, joka käyttää koneoppimismalleja, joissa on hylkäysmahdollisuus erittäin epätasapainoisissa tietokokonaisuuksissa. Tehtäviin kuului tietojen visualisointia, Python-ohjelmointia, tietojen puhdistusta/käsittelyä, ominaisuuksien suunnittelua ja valintaa, mallien koulutusta ja arviointia, tietojen analysointia ja tietojen ETL:ää Pythonilla;
- Suorittanut ominaisuuksien suunnittelua erittäin epätasapainoisille tietokokonaisuuksille eri tietolähteistä, kuten AWS S3, PostgreSQL, MySQL ja Cassandra;
- Käsitellyt koko datatieteen syklin ominaisuuksien suunnittelusta mallien käyttöönottoon;
- Rakensi suositusjärjestelmän, joka auttaa ylempää johtoa virtuaalisen omaisuuden käyttöoikeuksien valvontaa koskevassa päätöksenteossa;
- Luonut, arvioinut, ottanut käyttöön ja ylläpitänyt koneoppimismalleja verkkopalveluina;
- Toteutti tekniikoita mallien optimoimiseksi, mukaan lukien ominaisuuksien suunnittelu ja valinta, redundanssin havaitseminen, outlierien havaitseminen, yli- ja alinäytteenotto, mallin kalibrointi ja dataset drift detection;
- Suunnitellut Pythonilla dataputkia, joiden avulla voidaan käsitellä taloustietoja ja siirtää tietoja järjestelmien välillä.
CassandraFlaskTensorFlowNumPyPandasKoulutus
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