Fatih C.

• Utvecklat maskininlärning och djupinlärningsmodeller för att förbättra användarupplevelsen, rekommendationskvalitet och marknadsplatseffektivitet
• Byggd en kommentar märkning och klassificeringssystem för produktrecensioner med hjälp av NLP-tekniker
• Utvecklade modeller för kundsegmentering och prognostisering av inköp, vilket möjliggör mer målinriktade marknadsföringsstrategier
• Bidraget till storskalig databearbetning med hjälp av Apache Spark och andra ramverk för big data
• Byggd ML lösningar för rekommendationssystem, produktkatalog enhetlighet, prognoser för efterfrågan och dynamisk prissättning
• Arbetade med stora dataset i distribuerade datormiljöer för att träna skalbara modeller

• Utvecklade generativa djupinlärningsmodeller, inklusive VAE och VQGANs, för syntetisk medicinsk bildgenerering
• Implementerade uppmärksamhetsbaserade neurala nätverk för bildklassificering och exempelvis segmenteringsuppgifter
• Byggt datorseende pipelines för att stödja medicinsk bildanalys och diagnostiska assistanssystem
• Tillämpade avancerade djupinlärningstekniker för att förbättra träningsdata genom syntetisk datagenerering
• Arbetade med PyTorch och Python-baserade djupinlärningsramar för att träna och utvärdera modeller

• Utvecklade en maskininlärningsmodell för detektering av mjukvarusårbarhet, för att uppnå toppmoderna resultat inom forskningsriktmärken
• Tillämpade tekniker för balansering av dataset såsom undersampling för att förbättra modellnoggrannheten
• Byggd ML pipelines för att analysera säkerhetsdata med hjälp av Python
• Utvärderade modellresultat och jämförde resultat mot aktuella forskningsriktmärken

• Utvecklade modeller för maskininlärning inom datorseende och NLP-domäner
• Genomförda projekt inklusive bildkvalitetsbedömning (teknisk och estetisk), e-kluster och kundsegmentering
• Byggt maskininlärning pipelines för bedrägeri upptäckt och beteendeanalys
• Hanterade datainsamling och kommentarsflöden för datamängder för datorseende
• Utvecklade och utbildade modeller med Python, PyTorch och Keras ramverk
• Samarbete med distribuerade ingenjörsteam för att leverera datavetenskapliga lösningar för företagskunder

• Developed a real-time emotion detection system combining facial expressions and speech features.

• Implemented deep learning architectures including LSTM, CNN, SVM, and ResNet50.

• Performed data preprocessing tasks such as face detection and dataset frontalization.

• Built a multimodal machine learning pipeline combining acoustic and visual signals.

Rafiqi is a technology startup focused on building AI-powered platforms to support refugees in finding employment opportunities across Europe.

• Contributed to backend development of an AI-powered job matching platform.

• Developed REST APIs for querying and retrieving job-related data.

• Built backend services using Node.js and React-based web platforms.

• Worked in an international agile team collaborating across multiple countries.

Nokia is a global telecommunications company providing network infrastructure and digital services.

• Developed a mobile-based event registration platform for Nokia events and conferences.

• Implemented backend features enabling event registration for customers, employees, and students.

• Collaborated with distributed international engineering teams working remotely across different time zones.

• Contributed to improving platform stability and registration workflows.