Kevin K.
Machine Learning Engineer
Kevin hallitsee neljä kieltä, mukaan lukien portugali (Brasilia), englanti, espanja ja ranska. Hänellä on vankka tutkimuspohja ja asiantuntemusta muun muassa graafien koneoppimisen, aikasarja-analyysin, NLP:n ja tietokonenäön aloilla.
Kevin etsii uusia haasteita, joiden avulla hän voi ratkaista kiinnostavia todellisia ongelmia. Hänen tekniseen työkalupakkiinsa kuuluvat Python, C/C++, C#, SQL sekä erilaiset kehykset ja alustat, kuten PyTorch, Keras, TensorFlow, PySpark, Ray, AWS ja Azure. Kevinillä on hyvät valmiudet toimia tehokkaasti erilaisilla teknisillä aloilla.
Tärkein asiantuntemus
Python5 vuotta
Machine Learning4 vuotta
Apache Spark2 vuottaKokemus6
Machine Learning Engineer
- Työskenteli tietojen louhinnassa etiketeistä ja tekstin samankaltaisuuden vertaamisessa tuoteluetteloihin automatisoitua varastonvalvontajärjestelmää varten varmistaen yli 95 prosentin vastaavuustarkkuuden.
- Työskenteli avainkohtien havaintomallien parissa, jotta automaattinen kuvien otto olisi mahdollista.
- Työskenteli objektien havaitsemismallien, virheanalyysin ja johtopäätösten optimoinnin parissa tuotantolinjojen tarkastusta varten.
- Paransi ETA-ennustejärjestelmän tarkkuutta. Käytti geometrista projektiota arvioidulla reitillä korjatakseen anturidataa ja varmisti tulokset 5 %:n luotettavuusalueella.
- Työskenteli GPU-optimoinnin parissa NVIDIA TensorRT:llä.
- Rakensi skaalautuvia tietojenkäsittelyputkia Scalan ja Sparkin avulla.
Scala
TensorFlow
OpenCV
Keras
Harjoittelija
- Kehitti pääoman allokaation optimointiohjelmiston volatiliteettistrategioita varten.
Machine Learning
Harjoittelija
- Optimoi markkinointi-investoinnit eri maita varten käyttäjämittareiden ja aiempien kampanjoiden tehokkuuden perusteella.
Intern
- Developed a capital allocation optimization software for private pension portfolios under regulatory constraints.
Research Intern
-
Complex Dynamics Reconstruction: Analyzed data from complex networks (e.g., the human brain) and worked on network dynamics reconstruction through sparse recovery techniques.
-
Critical Transitions in Dynamical Systems: Researched the behavior of Lyapunov exponent as a predictor of critical changes in dynamical regime.
Scikit-learnMachine LearningUndergraduate Researcher
-
Complex Dynamics Reconstruction: Analyzed data from complex networks (e.g., the human brain) and worked on network dynamics reconstruction through sparse recovery techniques.
-
Critical Transitions in Dynamical Systems: Researched the behavior of Lyapunov exponent as a predictor of critical changes in dynamical regime.
-
Optimized Intervention against COVID-19: Worked in a computational model for the spread of diseases by the general social dynamics of any community.
-
Research intern in the Department of Mathematics at Imperial College London.
PyTorchScikit-learnMachine LearningKoulutus
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