Traian V.

• Kehitetty ja toteutettu älykäs reagointijärjestelmä, joka yhdisti semanttinen malli matching verkkoaluekohtaisten lause muuntajat, LLM-pohjainen mallin validointi, ja RAG tiedon hakeminen.
• Hienosäädetään Stella400M-mallia todellisista asiakasvuorovaikutuksista, jotta voidaan parantaa semanttista samankaltaisuutta ja kontekstuaalista ymmärrystä verkkokohtaisille vastauksille.
• Integroitu hybridivasteen valinta logiikka varmistaa korkean tarkkuuden säilyttäen tiukat liiketoiminnan viestintästandardit.
• Parannetaan asiakastuen johdonmukaisuutta automatisoimalla tietämyksen hakuja ja kontekstien hakua sisäisistä asiakirjoista.

• Kehitetyt ja käyttöön otetut objektin tunnistusmallit (Mask R-CNN, YOLOv5) suositeltava muoti sovellus ja elintarvikkeiden tunnistus putkisto, saavuttaa yli 90% mAP.
• Luotu luokitus (ResNet) ja segmentointi (U-Net) automatisoituja tuotetunnisteita ja elintarvikkeiden tuotetunnisteita.
• Käyttöönotettu optimoitu inference malleja Vadelma Pi 4 laitteet käyttäen NCNN C++ puitteet, mukaan lukien mallin kvantifiointi.
• Kehitetty kolmiulotteinen huoneisto jälleenrakennus putki monokulaarinen video hyödyntäen Droid-SLAM, Polygon-muuntaja, ja Cube R-CNN.
• Rakenna ostosassistentti, jossa on domain BERT luokittelija (F1 pisteet 0. 3) ja hienosäätänyt Octopus 2B malli Q-LoRA kyselyn reititys (tarkkuus 0.85).
• Toteutettu RAG pohjainen resepti suositus järjestelmä päivittäistavarakauppias käyttäen Llama Index.
• Kehitetty anomalia havaitseminen putki tunnistaa vieraita esineitä uunissa hybridi-VLM perustelu lähestymistapa (Qwen2-VL + Llama3-8B).

• Suunnitellut PySpark-pohjaisen ominaisuuden suunnittelu- ja mallikoulutusputken liiketoimitiedostoista.
• Rakennettu ja otettu käyttöön LGBM-luottoriskimalli, joka alensi pk-yritysten lainojen maksukyvyttömyysastetta ~11%:sta ~2%:iin.
• Kehitti OCR-pohjainen työkalu, joka käsitteli tilinpäätöksen skannattu PDF-tiedostoja käyttäen OpenCV, AWS Textract, ja Lambda toimintoja.
• Toimitetut API:t reaaliaikaiseen riskipisteytykseen ja integroitu ne sisäiseen luottoluokituksen työnkulkuun.

• Kehitetty koneesta loppuun ulottuva oppimisputki kuvapohjaista vikojen havaitsemista varten kartonkipakkauksissa.
• Sovellettava kuvan segmentointi ja luokitusmallit (Mask R-CNN, EfficientNet) tunnistaa mikroviat ja misprintit korkean resoluution skannauksessa.
• Luotu automatisoitu merkintäputki käyttäen heikkoja valvontatekniikoita nopeuttaakseen tietokokonaisuuden luomista.
• Integroitu ratkaisu tuotantolinjan laadunvalvonnan työnkulkuun, mikä vähentää manuaalista tarkastusaikaa 60 %.

Shell is a global energy company operating in over 70 countries, focusing on oil, gas, and renewable energy.

• Developed a machine learning solution for predicting maintenance needs of refinery equipment using sensor time-series data.

• Implemented anomaly detection algorithms (Isolation Forest, LSTM Autoencoders) to identify early signs of equipment failure.

• Deployed models to AWS pipelines, enabling ongoing retraining and monitoring.

• Collaborated with mechanical engineers to integrate alerts into SCADA systems for real-time response.

MSG Systems offers consulting, software development, and system integration services for industries such as automotive, insurance, and public administration.

• Built NLP pipelines for automated document processing in the insurance sector, extracting entities and intent from unstructured text.

• Utilized spaCy and BERT-based models for policy classification and claim routing.

• Created a topic modeling tool (LDA, NMF) to group customer queries and identify trends to improve processes.

• Integrated models with internal CRM systems via REST APIs for real-time data processing.