Kevin K.
Machine Learning Engineer
Kevin spreekt vier talen: Braziliaans-Portugees, Engels, Spaans en Frans. Hij beschikt over uitgebreide vaardigheden in onderzoek en heeft expertise in domeinen zoals machine learning op grafieken, tijdreeksanalyse, NLP en computervisie.
Kevin is steeds op zoek naar nieuwe uitdagingen waarbij hij ingewikkelde praktische problemen kan aanpakken. Zijn technische toolkit omvat Python, C/C++, C#, SQL en verschillende frameworks en platforms zoals PyTorch, Keras, TensorFlow, PySpark, Ray, AWS en Azure. Kevin heeft de nodige expertise om een efficiënte bijdragen te leveren in verschillende technische domeinen.
Hoofd expertise
Python5 jaar
Machine Learning4 jaar
Apache Spark2 jaarErvaring6
Machine Learning Engineer
- Extraheren van informatie uit labels en het matchen van tekstovereenkomsten in productcatalogi voor een geautomatiseerd voorraadcontrolesysteem met een matchingsnauwkeurigheid van meer dan 95%
- Sleutelpuntdetectiemodellen voor het automatiseren van beeldregistratie
- Objectherkenningsmodellen, foutenanalyse en inferentieoptimalisatie voor productielijncontrole
- Verbeteren van de nauwkeurigheid van het ETA-voorspellingssysteem Toepassing van een geometrische projectie op de geschatte route om sensorgegevens te corrigeren en zo resultaten met een betrouwbaarheidsinterval van 5% te garanderen
- GPU-optimalisatie met NVIDIA TensorRT
- Schaalbare pipelines ontworpen voor gegevensverwerking met Scala en Spark
Scala
TensorFlow
OpenCV
Keras
Intern
- Ontwikkeling van software om kapitaaltoewijzing te optimaliseren voor volatiliteitsstrategieën
Machine Learning
Intern
- Optimalisatie van marketinginvesteringen voor verschillende landen, gebaseerd op gebruikersgegevens en de efficiëntie van eerdere campagnes
Intern
- Developed a capital allocation optimization software for private pension portfolios under regulatory constraints.
Research Intern
-
Complex Dynamics Reconstruction: Analyzed data from complex networks (e.g., the human brain) and worked on network dynamics reconstruction through sparse recovery techniques.
-
Critical Transitions in Dynamical Systems: Researched the behavior of Lyapunov exponent as a predictor of critical changes in dynamical regime.
Scikit-learnMachine LearningUndergraduate Researcher
-
Complex Dynamics Reconstruction: Analyzed data from complex networks (e.g., the human brain) and worked on network dynamics reconstruction through sparse recovery techniques.
-
Critical Transitions in Dynamical Systems: Researched the behavior of Lyapunov exponent as a predictor of critical changes in dynamical regime.
-
Optimized Intervention against COVID-19: Worked in a computational model for the spread of diseases by the general social dynamics of any community.
-
Research intern in the Department of Mathematics at Imperial College London.
PyTorchScikit-learnMachine LearningEducatie
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