Traian V.

• 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.

• 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).

• 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.

• 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.

Shell is a global energy company operating in over 70 countries, focusing on oil, gas, and renewable energy.

• Developed a machine learning solution for predicting maintenance needs of refinery equipment using sensor time-series data.

• Implemented anomaly detection algorithms (Isolation Forest, LSTM Autoencoders) to identify early signs of equipment failure.

• Deployed models to AWS pipelines, enabling ongoing retraining and monitoring.

• Collaborated with mechanical engineers to integrate alerts into SCADA systems for real-time response.

MSG Systems offers consulting, software development, and system integration services for industries such as automotive, insurance, and public administration.

• Built NLP pipelines for automated document processing in the insurance sector, extracting entities and intent from unstructured text.

• Utilized spaCy and BERT-based models for policy classification and claim routing.

• Created a topic modeling tool (LDA, NMF) to group customer queries and identify trends to improve processes.

• Integrated models with internal CRM systems via REST APIs for real-time data processing.