Fatih C.

• Utviklet maskinlæring og dype læringsmodeller for å forbedre brukeropplevelse, anbefalingskvalitet, og effektivitet i markedsplassen
• Bygge en merke- og klassifiseringssystem for produktgjennomganger ved bruk av NLP-teknikker
• Utviklede modeller for kundesegmentering og sporing av innkjøp, som muliggjør mer målrettede markedsføringsstrategier
• Bidratt til storskala dataprosesseringsrørledninger med Apache Spark og andre stordata
• Built ML løsninger for anbefalingssystemer, produktkatalog verifikasjon, etterspørselsprognoser og dynamisk prising
• Har arbeidet med store datasett i distribuerte beregningsmiljøer for å trene skalerbare modeller

• Utviklet dype læringsmodeller, inkludert VAE og VQGANs, til dannelse av syntetiske medisinske bildegenerasjoner
• Implementerte oppmerksomhetsbaserte nevrale nettverk for bildeklassifisering og for eksempel segmenteringsoppgaver
• Bygget datavisningsrør for å støtte medisinsk bildeanalyse og diagnostiske hjelpesystemer
• Bruk avanserte teknikker for dyplæring for å øke opplæringsdata gjennom bruk av syntetiske data
• Jobbet med PyTorch og Python-baserte dype læringsrammeverk for opplæring og vurdering av modeller

• Utarbeide en maskinell læringsmodell for påvisning av sårbarhet, og oppnå den beste prestasjonen i forskningstabellene
• Anvendte balanseringsteknikker med datasett som underprøvetaking for å forbedre modellens nøyaktighet
• Bygget ML pipelines for å analysere sikkerhetsdatasett ved hjelp av Python
• Evaluert modellprestasjon og sammenlikne resultater mot gjeldende referanseverdier for forskning

• Utviklede maskiner læringsmodeller på tvers av datamodeller og domener på NLP
• Implementerte prosjekter som inkluderer bildekvalitetsvurdering (teknisk og estetikk), epostclustering og kundesegmentering
• Bygget maskinens læringsrør for påvisning av og atferdsanalyse
• Administrerte datainnsamling og merknader arbeidsflyter for datasett
• Utvikle og trente modeller ved hjelp av Python, PyTorch og Keras rammeverk
• Samarbeidet med distribuert ingeniørgruppe for å levere datavitenskapsløsninger for virksomhetsklienter

• Developed a real-time emotion detection system combining facial expressions and speech features.

• Implemented deep learning architectures including LSTM, CNN, SVM, and ResNet50.

• Performed data preprocessing tasks such as face detection and dataset frontalization.

• Built a multimodal machine learning pipeline combining acoustic and visual signals.

Rafiqi is a technology startup focused on building AI-powered platforms to support refugees in finding employment opportunities across Europe.

• Contributed to backend development of an AI-powered job matching platform.

• Developed REST APIs for querying and retrieving job-related data.

• Built backend services using Node.js and React-based web platforms.

• Worked in an international agile team collaborating across multiple countries.

Nokia is a global telecommunications company providing network infrastructure and digital services.

• Developed a mobile-based event registration platform for Nokia events and conferences.

• Implemented backend features enabling event registration for customers, employees, and students.

• Collaborated with distributed international engineering teams working remotely across different time zones.

• Contributed to improving platform stability and registration workflows.