Fatih C.

• Ontwikkelde machine leren en diepe leermodellen om de gebruikerservaring, de kwaliteit van aanbevelingen en de marktplaats efficiëntie te verbeteren
• Een commentaar tagging en classificatie systeem voor product beoordelingen met NLP technieken
• Ontwikkelde modellen voor klantsegmentatie en aankoopintentie voorspelling, waardoor meer gerichte marketingstrategieën mogelijk worden
• Bijdrage aan grootschalige data-verwerkingspijpleidingen die gebruik maken van Apache Spark en andere grote gegevenskaders
• Gebouwde ML-oplossingen voor aanbevelingssystemen, uniformering van productcatalogus, voorspelling van vraag en dynamische prijzen
• Werk met grote datasets in gedistribueerde computeromgevingen om schaalbare modellen op te leiden

• Ontwikkeld van generatief diep leermodellen, waaronder VAEs en VQGANs, voor synthetische medische beeldgeneratie
• Uitgevoerde attentiegebaseerde neurale netwerken voor afbeeldingsclassificatie en bijvoorbeeld segmentatie taken
• Coördinaten voor computervisie ter ondersteuning van medische imagoanalyse en diagnostische ondersteuningssystemen
• Geavanceerde diepe leertechnieken toegepast om trainingsdatasets te verbeteren via synthetische gegevensgeneratie
• Werk samen met PyTorch en Python-gebaseerde diepleerkaders om modellen op te leiden en te evalueren

• Een machine leermodel ontwikkeld voor software kwetsbaarheid detectie, het bereiken van de nieuwste prestaties in onderzoeksbenchmarks
• Toegepaste dataset balanceertechnieken zoals undersampling om de modelnauwkeurigheid te verbeteren
• ML-pipelines gebouwd voor het analyseren van beveiligingsdatasets met Python
• Geevalueerde modelprestaties en vergelijk resultaten ten opzichte van de huidige onderzoeksbenchmarks

• Ontwikkelde machine-leermodellen voor computervisie en NLP domeinen
• Uitgevoerde projecten met inbegrip van afbeeldingskwaliteitsbeoordeling (technisch en esthetisch), e-mailclustering en klantsegmentatie
• De pijpleidingen voor het leren van machines voor fraude detectie en gedragsanalyse
• Beheerde gegevensverzameling en annotatie werkstromen voor datasets van computervisie
• Ontwikkeld en getrainde modellen met behulp van Python, PyTorch, en Keras frameworks
• Gezamenlijk met gedistribueerde engineering teams om data wetenschap oplossingen te bieden voor enterprise clients

• Developed a real-time emotion detection system combining facial expressions and speech features.

• Implemented deep learning architectures including LSTM, CNN, SVM, and ResNet50.

• Performed data preprocessing tasks such as face detection and dataset frontalization.

• Built a multimodal machine learning pipeline combining acoustic and visual signals.

Rafiqi is a technology startup focused on building AI-powered platforms to support refugees in finding employment opportunities across Europe.

• Contributed to backend development of an AI-powered job matching platform.

• Developed REST APIs for querying and retrieving job-related data.

• Built backend services using Node.js and React-based web platforms.

• Worked in an international agile team collaborating across multiple countries.

Nokia is a global telecommunications company providing network infrastructure and digital services.

• Developed a mobile-based event registration platform for Nokia events and conferences.

• Implemented backend features enabling event registration for customers, employees, and students.

• Collaborated with distributed international engineering teams working remotely across different time zones.

• Contributed to improving platform stability and registration workflows.