Paritosh M.

– Implementerte prediktive modelleringsstrategier ved å bruke både konvensjonelle prognosemetoder og avanserte dype læringsteknikker for å legge til rette for implementeringen av effektive handelsstrategier. – Presenterte analyser om nøkkeltendenser og tilknyttede risikoer, og artikulerte deres innvirkning på ytelsen for å støtte informerte beslutningsdiskusjoner.

– Distribuerte og vedlikeholdt Kafka-pipelines for å samle inn sanntids ticknivådata fra forskjellige leverandører, og sikret en kontinuerlig strøm av avgjørende informasjon for analyse. – Kommuniserte funn og innsikter til både tekniske og ikke-tekniske interessenter gjennom klare visualiseringer, rapporter og presentasjoner, noe som muliggjorde informerte beslutninger basert på gjennomførte analyser.

– Lanserte inntektsgenererende tilbud, Walletshare, innen Bloomberg-terminalen, og estimerte bankavgifter i avtaler som børsnoteringer, obligasjonsutstedelser og lånetilbud. – Implementerte en maskinlæringsmodell ved hjelp av to tiår med data for å legge til rette for nøyaktig avgiftsestimering. – Ledet utviklingen av innovative metoder for datainnsamling, og utnyttet ulike NLP-teknikker for å forbedre nøyaktighet og fremskynde tiden til markedet for tilbudet. – Utførte inngående analyser av kunders bruksatferd innen Bloomberg-terminalen, undersøkte tiden brukt på produkter, og brukte innsiktene til å foreslå og konseptualisere forbedringer med mål om å forbedre brukeropplevelsen og engasjementet.

• Developed a real-time algorithm that correlates facial movement with speech analysis, achieving a significant milestone of acquiring 10,000 paid B2C customers and 25 B2B customers;

• Led the development of models utilizing Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN) in Python through Tensorflow, showcasing expertise in advanced machine learning techniques;

• Spearheaded the deployment of these models on AWS using EC2, demonstrating proficiency in leveraging cloud computing infrastructure for scalable and efficient implementation;

• Worked within the Robert Bosch Corporate Technology Lab B, contributing expertise to cutting-edge projects and enhancing the technological landscape of the organization.

• As a Research Associate at the Robert Bosch Corporate Technology Lab in Bengaluru and Singapore from Jan 2017 to Jan 2018, developed a Semantic Retrieval system employing deep learning techniques. This innovation significantly enhanced autonomous driving capabilities, slashing model training time by an impressive 80%;

• Pioneered the development of a semantic segmentation algorithm tailored for identifying Dry Eye Glands. This advancement enabled the implementation of models on Edge devices, optimizing their efficiency and functionality in real-time scenarios;

• Contributed valuable expertise and research acumen to projects aimed at revolutionizing autonomous driving technology and medical image analysis, leveraging deep learning methodologies to push the boundaries of innovation within the field.