Traian V.
Machine Learning Engineer
Hij ontwikkelde intelligente responssystemen met domeinspecifieke embedden, LLM validatie en ophalen van geopende generatie (RAG), evenals hoge precisie in computer visie modellen, inclusief Mask R-CNN, YOLOv5, en U-Net—toegepast in industrieën zoals mode, voedsel technologie en industrie.
Zijn werk omvat het bouwen van PySpark ML-pijpleidingen die het achterstallige vermogen van mkb-leningen hebben verlaagd van 11% naar 2%, en het implementeren van gebrekkige realtime detectiesystemen voor de productie. Zelfmoord in PyTorch, Scratch orFlow, Hugging gezichte en cloud platformen, Traian heeft consequent schaalbare, productiegerichte AI-systemen geleverd.
Hoofd expertise
Python6 jaar
Machine Learning5 jaarErvaring4
Machine Learning Engineer/Researcher
- Een intelligent responssysteem ontwikkeld en geïmplementeerd dat de semantische template combineert met domeinspecifieke transformaties, LLM-based template validatie en RAG kennis retrieval.
- Fine-tuned het Stella400M-model van echte klanten interacties om semantische gelijkenis met en contextuele begrip voor domeinspecifieke reacties te verbeteren.
- Geïntegreerde hybride responsmethode om een hoge nauwkeurigheid te garanderen en tegelijkertijd de strenge communicatienormen voor bedrijven te handhaven.
- Verbeterde consistentie tussen de klanten door het automatiseren van kenniszoekopdrachten en context uit interne documentatie te halen.
Python
Azure
PyTorch
SciPy
Scikit-learnMachine Learning Engineer/Researcher
- Ontwikkeld en geïmplementeerde objectdetectiemodellen (Mask R-CNNN, YOLOv5) voor een modieuze aanbevolen app en voedselherkenning pipeline, met meer dan 90% mAP.
- Gecreëerde classificatie (ResNet) en segmentatie (U-Net) modellen voor geautomatiseerde productetikettering en voedselartikel-identificatie.
- Geoptimaliseerde inference-modellen op Raspberry Pi 4 apparaten met behulp van het NCNN C+++-kader, met inbegrip van modelkwantificatie.
- Bijdragen aan een 3D-appartement-wederopbouwpijplijn van monoculaire video waarbij Droid-SLAM, Polygon-Transformer en Cube R-CNN worden gebruikt.
- Een winkelassistent gemaakt met een in-domain BERT classifier (F1 score 0. 3) en verfijnde een Octopus 2B-model met Q-LoRA voor queryrouting (nauwkeurigheid 0.85).
- Tenuitvoerlegging van een op RAG's gebaseerd receptenaanbevelingssysteem voor een superhandelaar met behulp van Llama Index.
- Ontwikkeld van een afwijkende detectiepijpleiding voor het identificeren van buitenlandse voorwerpen in ovens via een hybride VLM-redeneringsaanpak (Qwen2-VL + Llama3-8B).
Python
C++
OpenCVPyTorch
Data Scientist
- Ontworpen aan een PySpark-gebaseerde functie engineering en model training pijpleiding vanaf transactionele datasets.
- Gebouwd en inzette een LGBM credit risk model dat de standaardrente voor SME heeft verlaagd van ~11% tot ~2%.
- Een OCR-gebaseerde tool ontwikkeld die financiële statements van gescande PDF's met behulp van OpenCV, AWS Textract en Lambda functies.
- Geleverde API's voor real-time risico scoren en integreren met interne creditgoedkeuringsworkflows.
AWS
FlaskPython
SQL
AWS Lambda
Data Scientist
- Ontwierp een end-to-end machine leerpijplijn voor op afbeelding gebaseerde defect detectie op kartonverpakkingen.
- Toegepaste afbeeldingssegmentatie en classificatiemodellen (Mask R-CNN, EfficientNet) om micro-defecten en misdrukken in hoge-resolutie-scans te identificeren.
- Een geautomatiseerde labeling pipeline gemaakt met behulp van zwakke toezichttechnieken om het maken van dataset te versnellen.
- Geïntegreerde de oplossing in het kwaliteitscontrolewerkstroom van de productielijn, waarbij de tijden van handmatige inspectie met 60 procent werden verlaagd.
PythonAzure
NumPyOpenCVBeoordeling
Uitmuntendheid in techniek
Traian algemene prestaties in een 90-minuten durende technische beoordeling zijn in de top 15% 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