Levon Y.
Senior ML Engineer
AWS Certified Machine Learning – Specialty, met uitgebreide expertise in het bouwen van schaalbare ML-systemen van experimenteren tot productie.
Gedurende zijn carrière heeft hij impactvolle machine learning-oplossingen geleverd die bedrijfsresultaten verbeterden, waaronder het terugwinnen van 10% van eerder onopgeloste fraudegevallen door middel van uplift-classificatie, het behalen van 90% geautomatiseerde documentclassificatienauwkeurigheid met behulp van BERT- en FastText-modellen, en het ontwikkelen van computervisiemodellen die 96% tekenherkenningsnauwkeurigheid bereikten. Zijn ervaring omvat de volledige machine learning-levenscyclus, waaronder dataverwerking, feature engineering, modelontwikkeling, evaluatie, implementatie, monitoring en continue optimalisatie.
Naast zijn technische expertise heeft hij engineering-initiatieven geleid en nauw samengewerkt met cross-functionele teams om bedrijfsvereisten om te zetten in productieklare AI-oplossingen. Met praktische ervaring in het ontwerp van datapipelines, MLOps, cloudinfrastructuur en modelimplementatie is hij goed toegerust om betrouwbare, schaalbare machine learning-systemen te leveren die meetbare bedrijfswaarde creëren.
Hoofd expertise
Machine Learning8 jaar
Python7 jaar
AWS1 jaar
Amazon SageMaker1 jaarErvaring4
Senior Machine Learning Engineer
- Voerde veiligheidsbeoordelingen uit van samenvattingssystemen voor app store-recensies en muziekzoekopdrachten
- Genereerde synthetische datasets en ontwierp op prompts gebaseerde classificatiepijplijnen met behulp van verschillende large language models (LLM's)
- Identificeerde onveilige modeluitvoer en droeg bij aan het verbeteren van de afstemming van het model op vastgestelde veiligheidsnormen
- Optimaliseerde prompt engineering-strategieën om de classificatienauwkeurigheid binnen meerdere contentcategorieën te verbeteren
PythonMachine Learning
OpenAI API
Prompt Engineering
Large Language Models (LLM)
Senior Data Scientist
- Ontwikkelde een gepersonaliseerd taaktoewijzingssysteem om de gewichtsverliesresultaten van gebruikers te verbeteren en de retentiegraad te verhogen
- Leidde de volledige uitrol van aanbevelingsmodules naar alle productiegebruikers
- Bouwde datapipelines en analytische modellen met behulp van Python, SQL, Amazon SageMaker en Snowflake
- Paste retentieanalyse toe met behulp van Retentioneering om churnpatronen te identificeren en gebruikersbetrokkenheidsstromen te optimaliseren
AWSPython
SQL
Data Science
Pandas
Machine Learning Specialist
- Leidde een team bij het verbeteren van bewijsvoorspelling door identificatie van vergelijkbare beschrijvingen en uplift-classificatie, en herstelde 10% van eerder onopgeloste zaken
- Maakte gebruik van large language models (LLM's), waaronder OpenAI-modellen en Zephyr 7B, voor feature engineering, waardoor 80% van de workflows voor de opsporing van financiële fraude werd geautomatiseerd
- Beheerde een project voor de detectie van vrachtwagen- en containernummers, en vergrootte de omvang van de domeinspecifieke dataset met 75% door middel van web scraping en synthetische datageneratie
- Bouwde objectdetectie- en tekenherkenningsmodellen met behulp van PyTorch en YOLO, en behaalde 96% nauwkeurigheid bij objectdetectie en 80% nauwkeurigheid bij tekenherkenning
- Werkte samen aan een patentclassificatieoplossing voor Philip Morris International, waarbij een multi-label classificatiepijplijn werd ontworpen met behulp van Scikit-learn en LightGBM
- Beoordeelde de labelkwaliteit door middel van diepgaande annotatie-analyse, waarbij een geschat foutlabelpercentage van 15% werd vastgesteld
- Creëerde interactieve datavisualisaties met behulp van Streamlit en implementeerde machine learning-oplossingen met Docker
Docker
Project ManagementPython
PyTorch
Scikit-learn
Machine Learning Specialist
- Behaalde een automatiseringspercentage van 90% voor HS-codeclassificatie door het trainen en optimaliseren van FastText- en BERT-modellen
- Trainde een op transformers gebaseerde spellingscontrole die de kwaliteit van tekstvoorverwerking voor ruizige beschrijvingen met 20% verbeterde
- Werkte samen aan de ontwikkeling van fraudedetectiemodellen voor facturen en verzendmanifesten, wat de douaneprocessen en veiligheidsmaatregelen verbeterde
- Ontwierp en implementeerde dataverwerkings- en machine learning-trainingspipelines met behulp van Scikit-learn, CatBoost en LightGBM
- Ontwikkelde een model voor het voorspellen van doorlooptijden bij inklaring met behulp van het Holt-Winters-voorspellingsalgoritme
- Bouwde een systeem voor het detecteren van valse facturen op basis van documentlayoutanalyse met behulp van OpenCV
Python
OpenCVPyTorchScikit-learnMachine LearningUitmuntendheid in techniek
Alle Senior ML Engineers die zich hebben aangemeld bij Proxify worden gescoord van 0 tot 300 op technische uitmuntendheid, een van de vijf parameters die we evalueren. Deze score weerspiegelt uitsluitend de technische uitmuntendheid, gebaseerd op interviews, huiswerkopdrachten, live coding-sessies en/of beoordelingen van de werkprestatie. De curve laat zien hoe alle geëvalueerde Senior ML Engineers verdeeld zijn over dat bereik, waar onze acceptatiedrempel voor deze parameter ligt, en waar Levon zich bevindt.
Score 178 · Top 15% of engineers
Certificaten 1
Issued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerIssued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerEducatie
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