Danut M.

Machine Learning Engineer

Danut är Machine Learning Engineer med fem års erfarenhet. Han designar, implementerar och underhåller maskininlärningssystem.

Han använder sin kunskap inom computer science, statistik och dataanalys för att utveckla algoritmer och modeller som kan lära sig och göra förutsägelser eller fatta beslut från omfattande dataset.

Danut insamlar och förbehandlar data för att säkerställa kvaliteten och kompatibiliteten med de valda algoritmerna. Han väljer och konfigurerar ramverk för maskininlärning, bibliotek och verktyg för att konstruera robusta och skalbara modeller. Dessutom genomför han experiment för att träna och finjustera maskininlärningsmodeller plus konsekvent upprepning med avseende på deras prestanda, och han optimerar dem för olika kriterier, däribland noggrannhet, hastighet och andra önskade resultat.

Huvudsaklig expertis

Data Science 5 år
Machine Learning 5 år
NumPy 5 år

Andra kompetenser

Keras 3 år
PyTorch 3 år
TensorFlow 3 år

Danut M.

Romania

Hitta en utvecklare

Utvald erfarenhet

Anställningar

Machine Learning Engineer

Deutsche Bank - 2 år 5 månader
- Gjorde benchmarking och expanderade olika rekommendationsalgoritmer för finansiella data med hjälp av Numpy, Pandas och scikit-learn
- Designade och implementerade en PySpark-pipeline för dagliga förutsägelser, däribland loggning och övervakning av komponenter.
Teknologier:
- Teknologier:
- Machine Learning
- NumPy
- Pandas
- Scikit-learn
Kursinstruktör

Bittnet Training - 2 år 8 månader
- Levererade kurser för maskininlärningskoncept, där han behandlade Python-bibliotek såsom NumPy, Pandas, Keras, Matplotlib och Seaborn.
- Levererade kurser för DevOps-koncept som täckte tekniker som Kubernetes, Docker, Terraform och Ansible.
Teknologier:
- Teknologier:
- Keras
- NumPy
- Pandas
- Python
Forskare

CRC MINES - 1 år 8 månader
- Skapade en LSTM-modell i Keras för att detektera avvikande fenomen genom att förutsäga den förväntade tidsutvecklingen för luftkompressorparametrar.
- Använde OpenPose och OpenCV till att designa robusta, automatiserade räknesystem för att räkna knäböjningar utförda av idrottare.
- Utvecklade olika lösningar för CT och PET-röntgen, däribland 2D-bildregistrering, 3D point cloud-registrering, hjärnsegmentering, blob-detektering, bildfusion och 3D-visualisering. För utvecklingen av dessa lösningar användes Numpy, OpenCV och Scikit-image.
Teknologier:
- Teknologier:
- Machine Learning
- NumPy
- Scikit-learn