Farid H.

• Fine-tuned CosyVoice TTS models on proprietary datasets for 30 distinct speakers, improving voice quality and speaker consistency
• Built a scalable inference service using Ray and FastAPI for low-latency text-to-speech generation
• Implemented Speaker diarization pipelines for long-form audio, enabling accurate segmentation and extraction of individual speaker voices
• Conducted experimental work on speech-to-speech systems by fine-tuning the Moshi pipeline; replaced base model (Helium) with Qwen3 for improved flexibility (project in progress)
• Fine-tuned Qwen Image Edit on custom paired (before/after) datasets for image editing
• Fine-tuned text-to-image diffusion models (FLUX, Stable Diffusion XL) and implemented DreamBooth for subject-driven generation using Hugging Face

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.

• Betrokken bij onderzoek en ontwikkeling.
• Ontwikkeling van een REST-server voor de autocorrectie-module om een naadloze en efficiënte functionaliteit te bieden.
• Toepassing van OPTUNA voor het automatisch tunen van hyperparameters en de optimalisatie van modellen en algoritmen.
• Toepassing van verklaarbare AI-technieken waaronder tools zoals Captum, Lime en SHAP om interpreteerbare inzichten te bieden bij modelvoorspellingen en besluitvormingsprocessen.
• Finetuning van BERT-modellen voor classificatietaken, met verbetering van de prestaties voor specifieke contextuele interpretatietaken.
• Volledige implementatie van een op PyTorch gebaseerde DIET-classificator om brede herkenning en classificatie bedoelingen mogelijk te maken.
• Uitvoering van experimenten met het opensource AI-framework van RASA, onderzoek naar de mogelijkheden en potentiële applicaties.
• Onderzoek naar end-to-end dialoogmodellen met behulp van taalmodellen (LLM) om hun effectiviteit en prestaties te testen in conversationele AI-taken.

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.

• Uitvoeren van R&D en gegevensanalyse.
• Implementatie van een gevoelsanalysemodel van start tot uitrol, met behulp van Python, PyTorch, scikit-learn, Docker en Flask.

• Verantwoordelijkheid voor het beheer van de volledige levenscyclus van ML-projecten.
• Succesvolle implementatie van het innovatieve Azerbeidzjaanse speech-to-text-model met behulp van de toolkit Kaldi en Python.
• Ontwikkeling van een Azerbeidzjaans text-to-speech-model met behulp van het Tacotron2 en parallele vegan-model voor synthese in 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.