Adrianna J.
Machine Learning Engineer
For tiden jobber hun som Technology Research Associate Principal og er dyktig i Python, TensorFlow, SPARQL, Stardog, AmpliGraph, Scikit-Learn, Docker, Streamlit og Git.
Med fire års spesialisert erfaring innen grafmaskinlæring har Adrianna, som jobbet i Accenture, gitt betydelige bidrag til prosjekter som CLARIFY, hvor hun ledet maskinlæringseksperimenter, gjennomførte omfattende evalueringer, og administrerte distribusjonen av løsninger til sykehus.
Hun har en bachelorgrad i Control Engineering og Robotics, samt en dobbel mastergrad i Data Science med et sidefag i entreprenørskap fra EIT Digital, noe som understreker hennes sterke tekniske grunnlag og entreprenørånd.
Hovedekspertise
Databricks4 år
OpenCV5 år
Computer Vision5 år
Cuda7 årErfaring2
Technology Research Associate Principal
- Ledet CLARIFY-prosjektet til finalen i Accentures Greater than Award i kategorien Inspiring Growth, og ledet teknologioverføringen for et nevrosymbolsk spørresystem for biomedisinske kunnskapsgrafer;
- Utviklet systemer for tilbakefallsprediksjon og fullførte lederprogrammet TechStar 2023;
- Laget en prototype REST API for AmpliGraph 2, demonstrert i kundeworkshops;
- Bidratt til EU-kommisjonens CLARIFY H2020-prosjekt ved å levere en pilotklient, samarbeide med 11 partnere og forfatte leveranser;
- Foreslått fire patentideer, og vært hovedforfatter for to av dem;
- Medveiledning av en ph.d.-praktikant om tolkbar prediksjon av gener og sykdommer med GraphML;
- Fungerte som Virtual Buddy for en ny medarbeider og deltok i intervjupaneler;
- Presentert på konferanser som Sketching in Hardware 2022, ESSEC Business School og EIT Digital Alumni Annual Meeting om XAI og kunnskapsgrafer;
- Var med og presenterte COLING-22 Tutorial om Knowledge Graph Embeddings for NLP og skrev et blogginnlegg om XAIl på Medium Labs;
- Gjennomført maskinlæringsforskning på forklarbar AI for kunnskapsgrafmodeller i presisjonsmedisinske onkologiapplikasjoner;
- Utviklet ExamplE, en ny forklaringsmetode for koblingsprediksjon, som førte til en patentsøknad og et Proof of Concept som ble tatt i bruk ved Hospital Puerta del Hierro for CLARIFY H2020-prosjektet;
- Designet eksperimenter for prediksjon av tilbakefall av lungekreft og bidro til utviklingen av AmpliGraph 1.4;
- Var medforfatter av tre leveranser til EU-kommisjonen og leverte inn tre patentideer;
- Oppnådde andreplass i Accenture Hackathon: Al4Insurance og deltok i Eco Innovation Challenge;
- Samarbeidet med Human Insight Lab om ulike initiativer.
Flask
Data Science
TensorFlow
NumPy
Pandas
R&D Software Engineer
- Begynte som Working Student og fikk forfremmelser, og byttet roller mens jeg jobbet i et team med ansvar for å utvikle et testrammeverk for 5G-komponenter (R&D Python Software Developer);
- Samarbeidet om tidssynkronisering i basestasjoner, med hovedoppgaver som inkluderte utvikling av webapplikasjoner med maskinlæringsstøtte i Python, hostet i skyen (R&D Embedded Software Engineer);
- Bidratt ved å skrive nye funksjoner i C++, fikse programvarefeil, enhetsteste, dokumentere og bruke beste praksis innen objektorientert programmering (OOP) og testdrevet utvikling (TDD).
Flask
PythonData ScienceTensorFlowNumPyIngenieurskunst der Spitzenklasse
Alle Machine Learning Engineerene som har søkt på Proxify vurderes fra 0 til 300 på teknisk dyktighet, en av de fem parameterne vi evaluerer. Denne poengsummen reflekterer kun teknisk dyktighet, basert på intervjuer, hjemmeoppgaver, live kodingsøkter og/eller arbeidsytelsesvurderinger. Kurven viser hvordan alle vurderte Machine Learning Engineerene er fordelt i dette området, hvor vår akseptgrense for denne parameteren er, og hvor Adrianna står.
Score 195 · Top 8% of engineers
Sertifikater 1
Issued Jan 2025 - Expires Jan 2027
Credential ID 131299902
DatabricksIssued Jan 2025 - Expires Jan 2027
Credential ID 131299902
DatabricksUtdannelse
Slutt å bla.
Bli matchet raskere.
Snakk med en ekspert og få skreddersydde matcher fra vårt nettverk på bare 2 dager.
Få tilgang til over 6 000+ eksperter
Få en utvikler tilpasset dine behov i løpet av gjennomsnittlig 2 dager
Ansett raskt og enkelt med 94% match suksess