Isac D.
Data Scientist
He is proficient in building microservices using FastAPI and Python to support AI systems for manufacturer defect detection. Isac has gained experience across a variety of industries, including house flipping, fintech, and manufacturing. One of his notable achievements is developing a system for automating processes at a major US-based Big Tech company using machine learning techniques. This system helps managers grant access to internal applications and optimizes response times.
In addition to his professional accomplishments, Isac won a machine learning hackathon in November 2018, securing first place. His diverse industry experience and technical proficiency make him a valuable asset in developing and implementing advanced AI solutions.
Hovedekspertise
Data Analytics3 år
Data Science5 år
NumPy5 år
Pandas5 årErfaring5
Data Scientist
-
Developed a fraud detection system for client documents at Hospital Unimed using Python and Vertex AI, enabling automated classification of personal records and enhancing accuracy in fraud prevention.
-
Designed and delivered a Proof of Concept (PoC) for an AI-powered assistant to support psychologists during therapy sessions.
-
Built pipelines to process and transcribe audio using Whisper and Pyannote, including speaker diarization for precise session analysis.
-
Applied LLMs with Map-Reduce and RAG techniques to extract insights, detect emotions, and identify Cognitive Behavioral Therapy (CBT) elements from therapy transcripts.
-
Implemented advanced audio denoising and source separation (DSS) techniques to significantly improve transcription quality by removing background noise.
-
Generated structured reports and comprehensive summaries by combining LLM-driven summarization with map-reduce frameworks, effectively addressing context length limitations in large models.
-
Developed interactive dashboards using Python, Plotly, Seaborn, and Dash to visualize insights and statistics from therapy sessions, including the recurrence of emotions, frequent cognitive distortions, and other key behavioral metrics.
Docker
PostgreSQL
Flask
PythonData Science
Data Scientist
- Opprettet interaktive grafer som viser amplitude versus tid, filtrert tid og amplitude versus frekvens (FFT) ved hjelp av Plotly, noe som muliggjør grundig signalanalyse.
- Utviklet digitale AC/DC-filter for å redusere støy og optimalisere nøyaktigheten ved EMI-deteksjon ved hjelp av Scipy.
- Implementert en desimeringsprosess for effektiv håndtering av store EM-signaler.
- Utført signalbehandlingsanalyser ved hjelp av Pandas og Numpy.
FlaskNumPyPandas
SciPy
Matplotlib
Product Engineer
- Samarbeidet med det tekniske teamet ved hjelp av GitHub for å forbedre et system for oppdagelse av feil designet for produksjonskunder.
- Implementerte mikrotjenester ved hjelp av FastAPI, Flask og gRPC for å behandle store (10k x 8k piksler) bilder og bruke dem i dyplæringsmodeller.
- Opprettet en Python-pakke som brukte et tredjeparts-API for å effektivisere annotasjonsprosessen.
- Implementert enhets- og integrasjonstester ved hjelp av Docker og Python for å forbedre kvaliteten på den leverte koden.
Flask
Azure Blob storageNumPy
gRPC
Machine Learning Researcher
- Forskningen tok sikte på å kombinere sensorteknikker med tidsserieprognoser for ruteforutsigelse av mistenkelige kjøretøy ved hjelp av sensordata.
TensorFlowNumPySciPyData Scientist
- Opprettet en anbefalingsmotor ved hjelp av maskinlæringsmodeller med mulighet for avvisning av svært ubalanserte datasett. Oppgavene omfatter datavisualisering, Python-programmering, datarensing/-prosessering, utvikling og valg av funksjoner, modelltrening og -evaluering, dataanalyse og data-ETL ved hjelp av Python;
- Utført feature engineering på svært ubalanserte datasett fra ulike datakilder som AWS S3, PostgreSQL, MySQL og Cassandra;
- Håndtert hele datavitenskapssyklusen, fra utvikling av funksjoner til distribusjon av modeller;
- Bygget et anbefalingssystem for å hjelpe toppledelsen med å ta beslutninger om tilgangskontroll for virtuelle eiendeler;
- Opprettet, evaluert, distribuert og vedlikeholdt maskinlæringsmodeller som nettjenester;
- Implementert teknikker for å optimalisere modeller, inkludert funksjonsutvikling og -valg, redundansdeteksjon, outlier-deteksjon, over- og undersampling, modellkalibrering og deteksjon av datasettdrift;
- Utformet datapipelines ved hjelp av Python for å behandle finansielle data og migrere data mellom systemer.
CassandraFlaskTensorFlowNumPyPandasUtdannelse
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