Levon Y.
Senior ML Engineer
AWS Certified Machine Learning – Specialty, med omfattende ekspertise i å bygge skalerbare ML-systemer fra eksperimentering til produksjon.
Gjennom sin karriere har han levert virkningsfulle maskinlæringsløsninger som forbedret forretningsresultatene, inkludert gjenoppretting av 10 % av tidligere uløste bedragerisaker gjennom uplift-klassifisering, oppnåelse av 90 % automatisert dokumentklassifiseringsnøyaktighet ved bruk av BERT- og FastText-modeller, samt utvikling av datasynsmodeller som nådde 96 % nøyaktighet i tegngjenkjenning. Hans erfaring spenner over hele maskinlæringens livssyklus, inkludert dataforberedelse, feature engineering, modellutvikling, evaluering, utrulling, overvåking og kontinuerlig optimalisering.
I tillegg til sin tekniske ekspertise har han ledet engineering-initiativer og samarbeidet tett med tverrfunksjonelle team for å omsette forretningskrav til produksjonsklare AI-løsninger. Med praktisk erfaring innen datapipelinedesign, MLOps, skyinfrastruktur og modellutrulling, er han godt rustet til å levere pålitelige, skalerbare maskinlæringssystemer som skaper målbar forretningsverdi.
Hovedekspertise
Machine Learning8 år
Python7 år
AWS1 year
Amazon SageMaker1 yearErfaring4
Senior Machine Learning Engineer
- Gjennomførte sikkerhetsevalueringer av oppsummeringssystemer for app store-anmeldelser og musikksøkeforespørsler
- Genererte syntetiske datasett og designet promptbaserte klassifiseringspipelines ved bruk av ulike store språkmodeller (LLM-er)
- Identifiserte usikre modellresultater og bidro til å forbedre modellens samsvar med etablerte sikkerhetsstandarder
- Optimaliserte prompt engineering-strategier for å forbedre klassifiseringsnøyaktigheten på tvers av flere innholdskategorier
PythonMachine Learning
OpenAI API
Prompt Engineering
Large Language Models (LLM)
Senior Data Scientist
- Utviklet et personlig tilpasset oppgavetildelingssystem for å forbedre brukernes vekttapresultater og øke retensjonsratene
- Ledet den fulle utrullingen av anbefalingsmoduler til alle produksjonsbrukere
- Bygde datapipelines og analytiske modeller ved bruk av Python, SQL, Amazon SageMaker og Snowflake
- Anvendte retensjonsanalyse ved bruk av Retentioneering for å identifisere churn-mønstre og optimalisere brukerengasjementflyter
AWSPython
SQL
Data Science
Pandas
Machine Learning Specialist
- Ledet et team i å forbedre bevisprediksjon gjennom identifisering av lignende beskrivelser og uplift-klassifisering, og gjenopprettet 10 % av tidligere uløste saker
- Utnyttet store språkmodeller (LLM-er), inkludert OpenAI-modeller og Zephyr 7B, til feature engineering, som automatiserte 80 % av arbeidsflytene for finansiell bedrageridetektsjon
- Administrerte et prosjekt for deteksjon av lastebil- og containernummer, og økte størrelsen på det domenespesifikke datasettet med 75 % gjennom web scraping og syntetisk datagenerering
- Bygde objektdeteksjons- og tegngjenkjenningsmodeller ved bruk av PyTorch og YOLO, og oppnådde 96 % objektdeteksjonsnøyaktighet og 80 % tegngjenkjenningsnøyaktighet
- Samarbeidet om en patentklassifiseringsløsning for Philip Morris International, og designet en multi-label klassifiseringspipeline ved bruk av Scikit-learn og LightGBM
- Vurderte etikettkvalitet gjennom dybdegående annotasjonsanalyse, og identifiserte en estimert feilmerkingsrate på 15 %
- Skapte interaktive datavisualiseringer ved bruk av Streamlit og satte i drift maskinlæringsløsninger med Docker
Docker
Project ManagementPython
PyTorch
Scikit-learn
Machine Learning Specialist
- Oppnådde en automatisert HS-kodeklassifiseringsgrad på 90 % ved å trene og optimalisere FastText- og BERT-modeller
- Trente en transformer-basert stavekontroll som forbedret kvaliteten på tekstforbehandling for støyende beskrivelser med 20 %
- Samarbeidet om utviklingen av bedrageridetektsjonsmodeller for fakturaer og forsendelsesmanifester, som forbedret tollprosesser og sikkerhetstiltak
- Designet og implementerte databehandlings- og maskinlæringstreningspipelines ved bruk av Scikit-learn, CatBoost og LightGBM
- Utviklet en modell for prognostisering av klareringstid ved bruk av Holt-Winters-prognosealgoritmen
- Bygde et system for å oppdage falske fakturaer basert på dokumentlayoutanalyse ved bruk av OpenCV
Python
OpenCVPyTorchScikit-learnMachine LearningIngenieurskunst der Spitzenklasse
Alle Senior ML 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 Senior ML Engineerene er fordelt i dette området, hvor vår akseptgrense for denne parameteren er, og hvor Levon står.
Score 178 · Top 15% of engineers
Sertifikater 1
Issued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerIssued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerUtdannelse
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