Farid H.

TTEK Inc. focuses on creating and implementing innovative technologies to enhance the efficiency of customs and border processing.

• Used Large Language models with advanced prompting techniques for text to sql. Created one LLM agent in order to do entity extraction. Then used output of that agent in SQL agent in order to create an sql query.
• Utilized advanced Prompting techniques with LLMs (gpt4-o and Claude) to extract valuable insights from diverse data sources in order to create risk rules in customs.
• Created an LLM Agent using an LLM (gpt4-o) together with serper api in order to predict the NAICS code for a given company name.
• Used LLMs for price prediction.
• Designed a dual-head classification model leveraging the BERT LLM architecture for precise categorization of products into Harmonized System (HS) codes.
• Built a Named Entity Recognition (NER) model to extract product names from descriptions, using BERT based LLM for token classification.

• Engagé dans des activités de recherche et de développement.
• A développé un serveur REST pour le module Autocorrect, offrant une fonctionnalité transparente et efficace.
• A exploité OPTUNA pour l'ajustement automatique des hyperparamètres, optimisant ainsi les performances des modèles et des algorithmes.
• A utilisé des techniques d'intelligence artificielle explicables, notamment des outils tels que Captum, Lime et SHAP, pour fournir des informations interprétables sur les prévisions des modèles et les processus de prise de décision.
• A procédé à un réglage fin des modèles BERT pour les tâches de classification d'intention, en affinant leurs performances sur des tâches spécifiques de compréhension contextuelle.
• A mis en œuvre un classificateur DIET basé sur PyTorch à partir de zéro, permettant la reconnaissance et la classification d'intentions larges.
• A mené des expériences avec le framework d'IA conversationnelle open-source de RASA, en explorant ses capacités et ses applications potentielles.
• A exploré des modèles de dialogue de bout en bout utilisant des modèles de langage (LLM), en étudiant leur efficacité et leur performance dans des tâches d'intelligence artificielle conversationnelle.

Voiceloft, an Azerbaijan-based platform that promotes the development of speech recognition technologies by collecting voice data.

• Fully responsible for the ML projects;

• Working on ASR model and leading 2 interns on NLP tasks;

• Fine-tuned Wav2Vec2 baseline model with our dataset.

• A travaillé dans le domaine de la R&D et de l'analyse des données ;
• A appliqué le modèle d'analyse des sentiments du début au déploiement, en utilisant Python, PyTorch, scikit-learn, Docker et Flask.

• A assumé l'entière responsabilité de la supervision et de la gestion de l'ensemble du cycle de vie des projets de ML.
• A mis en œuvre avec succès un modèle de synthèse vocale azerbaïdjanais à l'aide de la boîte à outils Kaldi et de Python.
• A développé un modèle de synthèse vocale azerbaïdjanais utilisant le Tacotron2 et un modèle végétalien parallèle pour la synthèse dans PyTorch.

• Fully responsible for the ML projects and crawlers;

• Applied Generic Crawler to get data from any news page, even if they change their design;

• Built the ETL process, getting news data from 200 different Azerbaijani news channels;

• Applied Similarity Detection, Text Categorization, NER, Sentiment;

• Analysis, Keyword Extraction, Summarization to those data;

• Finished Projects: aqreqator.az.