Traian V.

• Utvikle og implementert et intelligent responsystem som kombinerer semantisk mal som samsvarer med domenespesifikke Sentence Transformers, LLM-basert validering av LM-basert mal, og gjenfinning av RAG kunnskaper.
• Fungerer Stella400M-modellen om virkelige kundeinteraksjoner for å forbedre semantisk likhet og kontekstforståelse for domenespesifikke svar.
• Integrert hybridrespons utvelgelseslogikk for å sikre høy nøyaktighet og samtidig opprettholde strenge standarder for forretningskommunikasjon.
• Forbedret konsistens fra kundestøtte ved å automatisere kunnskapsoppslag og kontekst henting fra intern dokumentasjon.

• Modeller for dimensjonerte og brukte objektdeteksjonsmodeller (Mask R-CNN, YOLOv5) for en mote som anbefaler at de gir en rørledning som kan godkjennes av mat, og har oppnådd over 90 % mAP.
• Laget klassifisering (ResNet) og segmenteringsmodeller (U-Net) for automatisert produkttagging og identifikasjon av matvaren
• Distribuerte optimaliserte preferansemodeller på Raspberry Pi 4-enheter med bruk av NCNN C++-rammeverket, inkludert modellkvantifisering.
• Bidratt til en restrukturrørledning fra monokulære video som bruker Droid-SLAM, Polygon-Transformer og Cube R-CNN.
• Bygget en shoppingassistent med en 'in-domain BER' klassifikator (F1 score 0. 3) og fininnstillte en oktopus 2B-modell med Q-LoRA for spørringsveiing (nøyaktighet 0,85).
• Implementert et RAG-basert oppskriftssystem for en dagligvarebutikk med Llama-indeks.
• Utviklet en anomaly-deteksjonsrørledning for å identifisere utenlandske objekter i stekeovner gjennom en hybrid VLM-resonnement (Qwen2-VL + Llama3-8B).

• Designet en PySpark-basert funksjonsteknikk og modell-treningsrørledning fra transaksjonelle datasett.
• Bygget og distribuert en LGBM kredittrisiko som reduserte SME standardsatser for utlån fra ~11 % til ~2 %.
• Utviklet et OCR-basert verktøy som behandlet regnskaper fra skannede PDFer ved hjelp av OpenCV, AWS Textract, og Lambda-funksjoner.
• Levert APIer for sanntids risikoskår og integrert dem med interne arbeidsprosesser for kredittgodkjenning.

• Utviklet en ferdig-til-ende maskinell læringsrørledning for bildebasert defekt deteksjon på kartongemballasje.
• Anvendt bildesegmentering og klassifiseringsmodeller (Møre R-CNN, EfficientNet) for å identifisere mikrofeil og feilavtrykk i høyoppløselige skanninger.
• Opprettet en automatisert merkingsrørledning ved hjelp av svake tilsynsteknikker for å akselerere datasettdannelsen.
• Integrert løsning i produksjonslinjens kvalitetsstyringsflyt og redusert manuell kontrolltid med 60 %.

Shell is a global energy company operating in over 70 countries, focusing on oil, gas, and renewable energy.

• Developed a machine learning solution for predicting maintenance needs of refinery equipment using sensor time-series data.

• Implemented anomaly detection algorithms (Isolation Forest, LSTM Autoencoders) to identify early signs of equipment failure.

• Deployed models to AWS pipelines, enabling ongoing retraining and monitoring.

• Collaborated with mechanical engineers to integrate alerts into SCADA systems for real-time response.

MSG Systems offers consulting, software development, and system integration services for industries such as automotive, insurance, and public administration.

• Built NLP pipelines for automated document processing in the insurance sector, extracting entities and intent from unstructured text.

• Utilized spaCy and BERT-based models for policy classification and claim routing.

• Created a topic modeling tool (LDA, NMF) to group customer queries and identify trends to improve processes.

• Integrated models with internal CRM systems via REST APIs for real-time data processing.