Tevos M.
Machine Learning Engineer
Een van zijn meest opmerkelijke prestaties is de architectuur en productie-implementatie van een consumengerichte real-time ML-pijplijn bij Philip Morris International (PMI). Dit project toonde niet alleen zijn diepgaande technische expertise aan, maar ook zijn leiderschap in het stimuleren van innovatie, het waarborgen van zakelijke impact en het succesvol operationaliseren van machine learning in een omgeving met hoge risico's.
Tevos is zeer bedreven in het vertalen van complexe bedrijfs- en technische uitdagingen naar schaalbare, productieklare ML-systemen. Hij speelt ook een sleutelrol in het mentorschap van engineeringteams en het vormen van technische strategieën, wat hem een sterke leider maakt in het machine learning-domein.
Hoofd expertise
Python6 jaar
FastAPI3 jaar
Apache Spark3 jaar
Docker5 jaarErvaring7
Machine Learning Engineer
- Geselecteerd als Machine Learning Engineer en later gepromoveerd tot Technical Lead om het team te begeleiden tijdens belangrijke overgangen.
- Leidde meerdere ML-projecten van proof-of-concept (POC) tot minimum viable product (MVP) en zorgde voor schaalbaarheid en productie-klaarheid.
- Transformeerde de ML-infrastructuur in een cloud-agnostische stack, waarbij flexibiliteit en kosten-efficiëntie werden geoptimaliseerd.
- Heeft de architectuur en ontwikkeling van twee Agentic-bots beheerd, inclusief Retrieval-Augmented Generation (RAG)-componenten.
- Toezicht gehouden op de implementatie van een aanbevelingssysteem en een spraakclassificatiemodel, waarbij robuuste prestaties en afstemming op de bedrijfsdoelen werden gegarandeerd.
- MLOps-praktijken opgezet, inclusief CI/CD-pijplijnen, monitoring en alarmeringssystemen ter ondersteuning van onderhoudbaarheid en automatisering.
- Faciliteerde cross-functionele samenwerking, het afstemmen van data science, engineering en productteams.
Machine Learning Technical Lead
-
Initially joined as a Machine Learning Engineer, then elected as the Technical Lead to guide the team through key transitions;
-
Led the evolution of multiple ML projects from proof-of-concept (POC) to minimum viable product (MVP), ensuring scalability and production-readiness;
-
Spearheaded the transformation of the ML infrastructure into a cloud-agnostic stack, optimizing for flexibility and cost-efficiency;
-
Architected and managed the development of two Agentic bots, including Retrieval-Augmented Generation (RAG) components;
-
Oversaw the implementation of a recommendation system and a voice classification model, ensuring robust performance and alignment with business goals;
-
Established MLOps practices, including CI/CD pipelines, monitoring, and alerting systems to support long-term maintainability and automation;
-
Facilitated cross-functional collaboration, driving alignment between data science, engineering, and product teams;
-
Mentored junior engineers and fostered a culture of technical excellence and knowledge sharing within the team.
MongoDBDocker
AWS
RedisPython
Machine Learning Engineer
- Stelde backend CI/CD-processen in voor bestaande computer vision auto-schaal diep leren modelpijplijnen.
- Ontwikkelde een nieuw diepgaand leer model om de operationele functionaliteit binnen de analyse-stack te verbeteren.
- Implementeerde een CI/CD-werkwijze die snelle en veilige updates mogelijk maakte gedurende de volledige ML-lifecycle, van cruciaal belang tijdens het agrarische seizoen.
- Optimaliseerde processen om kosten en latentie te verlagen terwijl de nauwkeurigheidsparameters behouden bleven.
Machine Learning Operations Engineer
-
Set up the backend CI/CD processes for existing computer vision auto-scaled DL model pipelines;
-
Developed a new DL model to enhance operational functionality within the analytics stack;
-
Implemented a CI/CD process enabling fast and safe introduction of changes in the full ML lifecycle, critical during the agricultural season;
-
Optimized processes to achieve cost and latency reduction while maintaining accuracy metrics.
Docker
Jenkins
OpenCV
PyTorch
Senior Data Scientist / MLOps
- Onderhield en breidde een end-to-end consumengerichte real-time ML-pijplijn in productie uit.
- Architectuur en ontwikkelde de eerste pijplijn en zorgde voor robuuste en schaalbare infrastructuur.
- Voerde ad-hocprojecten uit die zich concentreerden op data-analyse en wiskundige modellering.
- Classificeerde artikelen vroeg in de productlevenscyclus, waardoor de service- en logistieke kosten aanzienlijk werden verlaagd.
- Legde de basis voor een tweede versie van de pijplijn om voorspellend onderhoud mogelijk te maken.
DockerApache Spark
FlaskJenkins
Kubernetes
Machine Learning Engineer
- Ontwikkelde en paste belangrijke financiële ratio's en kwantitatieve modellen toe om marktgerelateerde parameters te evalueren, inclusief Value at Risk (VaR), zodat nauwkeurige risicovoorspellingen en blootstellingsanalyses werden gegarandeerd.
- Voerde diepgaande technische analyses uit van gestructureerde financiële instrumenten, zoals hypotheekgebonden effecten (MBS) en collateralized debt obligations (CDO's), met behulp van stress-testing, scenario-modeling en gevoeligheidsanalyses om de prestaties te beoordelen onder variërende marktomstandigheden.
- Ontworpen en verfijnde risicobeoordelingsmethodologieën, waarbij traditionele financiële theorie werd gecombineerd met datagestuurde technieken om de besluitvorming en portfolio-weerbaarheid te verbeteren.
- Werkte samen met teams voor risicobeheer en investeringen om complexe analytische inzichten om te zetten in uitvoerbare aanbevelingen.
- Automatiseerde risicorapporteringspijplijnen en dashboards, waardoor transparantie en versnelde reacties op marktschommelingen werden verbeterd.
- Evalueerde de naleving van risicomodellen, waarbij werd gezorgd voor naleving van interne risikokaders en externe standaarden zoals Basel III en IFRS.
- Droeg bij aan modelvalidatie door de prestaties te testen en modellen te kalibreren voor verbeterde nauwkeurigheid en robuustheid.
SQL
Scikit-learn
Machine LearningFinancial Analyst / Data Analyst
-
Developed and contributed to packages dedicated to data ETL, ML, and statistical analysis;
-
Enhanced general operation components of the stack, including GUI-related elements, for team projects;
-
Worked on structured and unstructured knowledge extraction and NLP tools.
Machine LearningBeoordeling
Uitmuntendheid in techniek
Tevos algemene prestaties in een 90-minuten durende technische beoordeling zijn in de top 10% van de gescreende Machine Learning Engineer bij Proxify.
Educatie
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