Levon Y.
Senior ML Engineer
AWS Certified Machine Learning – Specialty, ja hänellä on laaja asiantuntemus skaalautuvien ML-järjestelmien rakentamisesta kokeiluvaiheesta tuotantoon.
Uransa aikana hän on toimittanut vaikuttavia koneoppimisratkaisuja, jotka paransivat liiketoiminnan tuloksia, mukaan lukien 10 %:n palautus aiemmin ratkaisemattomista petostapauksista uplift-luokittelun avulla, 90 %:n automatisoidun asiakirjaluokittelun tarkkuuden saavuttaminen BERT- ja FastText-malleilla, sekä konenäkömallien kehittäminen, jotka saavuttivat 96 %:n merkkien tunnistustarkkuuden. Hänen kokemuksensa kattaa koko koneoppimisen elinkaaren, mukaan lukien datan valmistelun, ominaisuussuunnittelun, mallin kehityksen, arvioinnin, käyttöönoton, valvonnan ja jatkuvan optimoinnin.
Teknisen asiantuntemuksensa lisäksi hän on johtanut engineering-hankkeita ja tehnyt tiivistä yhteistyötä monialaisten tiimien kanssa muuntaakseen liiketoimintavaatimukset tuotantovalmiiksi tekoälyratkaisuiksi. Käytännön kokemuksellaan datapiput-suunnittelusta, MLOpsista, pilvi-infrastruktuurista ja mallien käyttöönotosta hän on hyvin varustautunut toimittamaan luotettavia, skaalautuvia koneoppimisjärjestelmiä, jotka luovat mitattavaa liiketoiminta-arvoa.
Tärkein asiantuntemus
Machine Learning8 vuotta
Python7 vuotta
AWS1 vuosi
Amazon SageMaker1 vuosiKokemus4
Senior Machine Learning Engineer
- Suoritin turvallisuusarviointeja yhteenvetojärjestelmille sovelluskaupan arvosteluja ja musiikkihakukyselyitä varten
- Loin synteettisiä aineistoja ja suunnittelin prompt-pohjaisia luokitteluputkia käyttäen useita suuria kielimalleja (LLM)
- Tunnistin turvattomia mallin tuotoksia ja edistin mallin yhdenmukaistamista vakiintuneiden turvallisuusstandardien kanssa
- Optimoin prompt engineering -strategioita parantaakseni luokittelutarkkuutta useissa sisältöluokissa
PythonMachine Learning
OpenAI API
Prompt Engineering
Large Language Models (LLM)
Senior Data Scientist
- Kehitin henkilökohtaisen tehtävänantojärjestelmän parantaakseni käyttäjien painonpudotustuloksia ja lisätäkseni pysyvyysastetta
- Johdin suositusmoduulien päästä päähän -julkaisua kaikille tuotantokäyttäjille
- Rakensin datapiput ja analyyttisiä malleja käyttäen Pythonia, SQL:ää, Amazon SageMakeria ja Snowflakea
- Sovelsin pysyvyysanalyysia Retentioneeringin avulla tunnistaakseni poistumamalleja ja optimoidakseni käyttäjien sitoutumispolkuja
AWSPython
SQL
Data Science
Pandas
Machine Learning Specialist
- Johdin tiimiä parantamaan todisteiden ennustamista samankaltaisten kuvausten tunnistamisen ja uplift-luokittelun avulla, palauttaen 10 % aiemmin ratkaisemattomista tapauksista
- Hyödynsin suuria kielimalleja (LLM), mukaan lukien OpenAI-malleja ja Zephyr 7B:tä, ominaisuussuunnittelussa, automatisoiden 80 % rahoituspetosten tunnistuksen työnkuluista
- Hallinnoin kuorma-auto- ja konttinumeroiden tunnistusprojektia, kasvattaen toimialakohtaisen datasetin kokoa 75 % web-scrapingin ja synteettisen datan generoinnin avulla
- Rakensin objektien tunnistus- ja merkkien tunnistusmalleja käyttäen PyTorchia ja YOLOa, saavuttaen 96 %:n objektintunnistustarkkuuden ja 80 %:n merkkientunnistustarkkuuden
- Osallistuin patenttiluokitteluratkaisuun Philip Morris Internationalille, suunnitellen monimerkkisen luokittelun putken käyttäen Scikit-learnia ja LightGBM:ää
- Arvioin merkintöjen laatua syväluotaavan annotaatioanalyysin avulla, tunnistaen arvioidun 15 %:n virhemerkintäasteen
- Loin interaktiivisia datavisualisointeja Streamlitilla ja otin käyttöön koneoppimisratkaisuja Dockerin avulla
Docker
Project ManagementPython
PyTorch
Scikit-learn
Machine Learning Specialist
- Saavutin 90 %:n automatisoidun HS-koodiluokittelun asteen kouluttamalla ja optimoimalla FastText- ja BERT-malleja
- Koulutin transformer-pohjaisen oikeinkirjoituksen tarkistajan, joka paransi meluisien kuvausten tekstin esikäsittelyn laatua 20 %
- Osallistuin petostentunnistusmallien kehittämiseen laskuille ja lähetysmanifesteille, parantaen tulliprosesseja ja turvatoimia
- Suunnittelin ja toteutin tiedonkäsittely- ja koneoppimisen koulutusputkia käyttäen Scikit-learnia, CatBoostia ja LightGBM:ää
- Kehitin tullauksen läpimenoajan ennustemallin käyttäen Holt-Winters-ennustealgoritmia
- Rakensin väärennettyjen laskujen tunnistusjärjestelmän, joka perustui asiakirjojen ulkoasun analysointiin OpenCV:n avulla
Python
OpenCVPyTorchScikit-learnMachine LearningArviointi
Tekniikan huippuosaaminen
Levon yleinen suorituskyky 90 minuutin suorassa teknisessä arvioinnissa on top 5 % Proxifyn tarkastetuista Senior ML Engineer.
Sertifikaatit 1
Issued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerIssued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerKoulutus
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