Isac D.
Data Scientist
He is proficient in building microservices using FastAPI and Python to support AI systems for manufacturer defect detection. Isac has gained experience across a variety of industries, including house flipping, fintech, and manufacturing. One of his notable achievements is developing a system for automating processes at a major US-based Big Tech company using machine learning techniques. This system helps managers grant access to internal applications and optimizes response times.
In addition to his professional accomplishments, Isac won a machine learning hackathon in November 2018, securing first place. His diverse industry experience and technical proficiency make him a valuable asset in developing and implementing advanced AI solutions.
Hoofd expertise
Data Analytics3 jaar
Data Science5 jaar
NumPy5 jaar
Pandas5 jaarErvaring5
Data Scientist
-
Developed a fraud detection system for client documents at Hospital Unimed using Python and Vertex AI, enabling automated classification of personal records and enhancing accuracy in fraud prevention.
-
Designed and delivered a Proof of Concept (PoC) for an AI-powered assistant to support psychologists during therapy sessions.
-
Built pipelines to process and transcribe audio using Whisper and Pyannote, including speaker diarization for precise session analysis.
-
Applied LLMs with Map-Reduce and RAG techniques to extract insights, detect emotions, and identify Cognitive Behavioral Therapy (CBT) elements from therapy transcripts.
-
Implemented advanced audio denoising and source separation (DSS) techniques to significantly improve transcription quality by removing background noise.
-
Generated structured reports and comprehensive summaries by combining LLM-driven summarization with map-reduce frameworks, effectively addressing context length limitations in large models.
-
Developed interactive dashboards using Python, Plotly, Seaborn, and Dash to visualize insights and statistics from therapy sessions, including the recurrence of emotions, frequent cognitive distortions, and other key behavioral metrics.
Docker
PostgreSQL
Flask
PythonData Science
Data Scientist
- Maakte interactieve grafieken met amplitude versus tijd, gefilterde tijd en amplitude versus frequentie (FFT) met behulp van Plotly, om diepgaande signaalanalyse mogelijk te maken.
- Ontworpen digitale AC/DC-filters om ruis te verminderen en de nauwkeurigheid van EMI-detectie met behulp van Scipy te optimaliseren.
- Een decimeringsproces geïmplementeerd om grote EM-signalen effectief te beheren.
- Signaalverwerkingsanalyse uitgevoerd met Pandas en Numpy.
FlaskNumPyPandas
SciPy
Matplotlib
Product Engineer
- Samengewerkt met het technische team met behulp van GitHub om een defectdetectiesysteem te verbeteren dat is ontworpen voor klanten in de productiesector.
- Implementeerde microservices met behulp van FastAPI, Flask en gRPC om grote (10k x 8k pixel) afbeeldingen te verwerken en toe te passen in deep learning modellen.
- Python-pakket gemaakt dat gebruikmaakte van een API van derden om het annotatieproces te stroomlijnen.
- Implementeerde unit- en integratietests met behulp van Docker en Python om de kwaliteit van de geleverde code te verbeteren.
Flask
Azure Blob storageNumPy
gRPC
Machine Learning Researcher
- Het onderzoek was gericht op het combineren van tensortechnieken met tijdreeksvoorspellingen voor routevoorspelling van verdachte voertuigen met behulp van sensordata.
TensorFlowNumPySciPyData Scientist
- Een aanbevelingsmachine gemaakt met behulp van machine-learningmodellen met een afwijzingsoptie voor zeer onevenwichtige datasets. De taken omvatten datavisualisatie, Python-programmering, opschonen/verwerken van data, feature engineering en selectie, modeltraining en -evaluatie, data-analyse en data ETL met behulp van Python;
- Je hebt feature engineering uitgevoerd op zeer onevenwichtige datasets uit verschillende databronnen zoals AWS S3, PostgreSQL, MySQL en Cassandra;
- Behandelde de volledige data science-cyclus, van feature engineering tot modelimplementatie;
- Bouwde een aanbevelingssysteem om het hoger management te helpen bij het nemen van beslissingen over toegangscontrole tot virtuele activa;
- Het maken, evalueren, implementeren en onderhouden van machine learning-modellen als webservices;
- Technieken geïmplementeerd om modellen te optimaliseren, waaronder feature engineering en selectie, redundantie detectie, outlier detectie, over- en ondersampling, model kalibratie en dataset drift detectie;
- Ontwierp datapijplijnen met Python om financiële gegevens te verwerken en gegevens te migreren tussen systemen.
CassandraFlaskTensorFlowNumPyPandasEducatie
Stop met browsen.
Word sneller gekoppeld.
Praat met een expert en krijg binnen 2 dagen op maat gemaakte matches uit ons netwerk.
Toegang tot meer dan 6.000+ experts
Word binnen gemiddeld 2 dagen gekoppeld aan een ontwikkelaar
Huur snel en eenvoudig in met 94% matchingsucces