NYHET
Proxify er åpen om utviklerens prestasjoner — det er bransjeledende, og også enhver CTOs drøm.
Finn ut mer
Traian V.
Machine Learning Engineer
Trafikk er Senior Machine Learning Engineer med over sju års forretningsmessig erfaring som leverer AI-løsninger på tvers av automatisering av kundere, datasyn, naturlig språkbehandling og generativ AI.
Han utviklet smarte responssystemer ved hjelp av domenespesifikke inndelinger, LLM-validering og generering ved heving (RAG), I tillegg til de presisjonsdatamodellene — herunder Mask R-CNN, YOLOv5 og U-Net—anvendt i næringer som mohion, food tech, og tilvirking.
Hans arbeid omfatter bygging av PySpark ML-rørledninger som reduserte SME-lån, mislighold fra 11 % til 2 %, og implementering av sanntids defekt deteksjonssystemer for produksjon. Skiltet i PyTorch, TensorFlow, Hugging Face, og Sky-plattformer, Traian konsekvent leverte skalerbare produksjonsklare AI-systemer.
Hovedekspertise
- Python 6 år

- Machine Learning 5 år

- Data Science 5 år
Andre kunnskaper
- SQL 5 år
- Docker 4 år
- FastAPI 4 år
Utvalgt opplevelse
Arbeidserfaring
Machine Learning Engineer/Researcher
Bluetweak - 1 year 2 months
- Utvikle og implementert et intelligent responsystem som kombinerer semantisk mal som samsvarer med domenespesifikke Sentence Transformers, LLM-basert validering av LM-basert mal, og gjenfinning av RAG kunnskaper.
- Fungerer Stella400M-modellen om virkelige kundeinteraksjoner for å forbedre semantisk likhet og kontekstforståelse for domenespesifikke svar.
- Integrert hybridrespons utvelgelseslogikk for å sikre høy nøyaktighet og samtidig opprettholde strenge standarder for forretningskommunikasjon.
- Forbedret konsistens fra kundestøtte ved å automatisere kunnskapsoppslag og kontekst henting fra intern dokumentasjon.
Teknologier:
- Teknologier:
Python
Azure
PyTorch
SciPy
Scikit-learn
- NLP
Machine Learning
OpenAI API
LangChain
Ollama
Large Language Models (LLM)
LlamaIndex
Machine Learning Engineer/Researcher
Apsisware (Arnia Software) - 3 years 1 month
- Modeller for dimensjonerte og brukte objektdeteksjonsmodeller (Mask R-CNN, YOLOv5) for en mote som anbefaler at de gir en rørledning som kan godkjennes av mat, og har oppnådd over 90 % mAP.
- Laget klassifisering (ResNet) og segmenteringsmodeller (U-Net) for automatisert produkttagging og identifikasjon av matvaren
- Distribuerte optimaliserte preferansemodeller på Raspberry Pi 4-enheter med bruk av NCNN C++-rammeverket, inkludert modellkvantifisering.
- Bidratt til en restrukturrørledning fra monokulære video som bruker Droid-SLAM, Polygon-Transformer og Cube R-CNN.
- Bygget en shoppingassistent med en 'in-domain BER' klassifikator (F1 score 0. 3) og fininnstillte en oktopus 2B-modell med Q-LoRA for spørringsveiing (nøyaktighet 0,85).
- Implementert et RAG-basert oppskriftssystem for en dagligvarebutikk med Llama-indeks.
- Utviklet en anomaly-deteksjonsrørledning for å identifisere utenlandske objekter i stekeovner gjennom en hybrid VLM-resonnement (Qwen2-VL + Llama3-8B).
Teknologier:
- Teknologier:
Python
C++
OpenCV
PyTorch
- NLP
Machine Learning
Raspberry Pi
- Computer Vision
LangChain
Large Language Models (LLM)
Hugging Face Transformers
LlamaIndex
Hugging Face
Data Scientist
October - 11 months
- Designet en PySpark-basert funksjonsteknikk og modell-treningsrørledning fra transaksjonelle datasett.
- Bygget og distribuert en LGBM kredittrisiko som reduserte SME standardsatser for utlån fra ~11 % til ~2 %.
- Utviklet et OCR-basert verktøy som behandlet regnskaper fra skannede PDFer ved hjelp av OpenCV, AWS Textract, og Lambda-funksjoner.
- Levert APIer for sanntids risikoskår og integrert dem med interne arbeidsprosesser for kredittgodkjenning.
Teknologier:
- Teknologier:
AWS
Flask
Python
SQL
AWS Lambda
NumPy
OpenCV
XGBoost
Scikit-learn
Machine Learning
FastAPI
PySpark
Data Scientist
SIG - 7 months
- Utviklet en ferdig-til-ende maskinell læringsrørledning for bildebasert defekt deteksjon på kartongemballasje.
- Anvendt bildesegmentering og klassifiseringsmodeller (Møre R-CNN, EfficientNet) for å identifisere mikrofeil og feilavtrykk i høyoppløselige skanninger.
- Opprettet en automatisert merkingsrørledning ved hjelp av svake tilsynsteknikker for å akselerere datasettdannelsen.
- Integrert løsning i produksjonslinjens kvalitetsstyringsflyt og redusert manuell kontrolltid med 60 %.
Teknologier:
- Teknologier:
Python
Azure
- Data Science
NumPy
OpenCV
PyTorch
SciPy
Scikit-learn
Machine Learning
Pydantic
Large Language Models (LLM)
PyTorch Lightning
PySpark
Jupyter
Utdannelse
MSc.Artificial Intelligence
University of Amsterdam · 2018 - 2020
BSc.Computer Science
Babes-Bolyai Faculty of Mathematics and Informatics · 2015 - 2018
Finn din neste utvikler innen dager, ikke måneder
I løpet av en kort 25-minutters samtale ønsker vi å:
- Forstå dine utviklingsbehov
- Forklare prosessen vår der vi matcher deg med kvalifiserte, evaluerte utviklere fra vårt nettverk
- Dele de neste stegene for å finne riktig match, ofte på mindre enn en uke
