Isac D.
Data Scientist
He is proficient in building microservices using FastAPI and Python to support AI systems for manufacturer defect detection. Isac has gained experience across a variety of industries, including house flipping, fintech, and manufacturing. One of his notable achievements is developing a system for automating processes at a major US-based Big Tech company using machine learning techniques. This system helps managers grant access to internal applications and optimizes response times.
In addition to his professional accomplishments, Isac won a machine learning hackathon in November 2018, securing first place. His diverse industry experience and technical proficiency make him a valuable asset in developing and implementing advanced AI solutions.
Huvudsaklig expertis
Data Analytics3 år
Data Science5 år
NumPy5 år
Pandas5 årErfarenhet5
Data Scientist
-
Developed a fraud detection system for client documents at Hospital Unimed using Python and Vertex AI, enabling automated classification of personal records and enhancing accuracy in fraud prevention.
-
Designed and delivered a Proof of Concept (PoC) for an AI-powered assistant to support psychologists during therapy sessions.
-
Built pipelines to process and transcribe audio using Whisper and Pyannote, including speaker diarization for precise session analysis.
-
Applied LLMs with Map-Reduce and RAG techniques to extract insights, detect emotions, and identify Cognitive Behavioral Therapy (CBT) elements from therapy transcripts.
-
Implemented advanced audio denoising and source separation (DSS) techniques to significantly improve transcription quality by removing background noise.
-
Generated structured reports and comprehensive summaries by combining LLM-driven summarization with map-reduce frameworks, effectively addressing context length limitations in large models.
-
Developed interactive dashboards using Python, Plotly, Seaborn, and Dash to visualize insights and statistics from therapy sessions, including the recurrence of emotions, frequent cognitive distortions, and other key behavioral metrics.
Docker
PostgreSQL
Flask
PythonData Science
Data Scientist
- Skapade interaktiva grafer som visar amplitud mot tid, filtrerad tid och amplitud mot frekvens (FFT) med Plotly, vilket underlättade djupgående signalanalys.
- Konstruerade digitala AC/DC-filter för att minska brus och optimera noggrannheten vid EMI-detektering med hjälp av Scipy.
- Implementerade en decimeringsprocess för att effektivt hantera stora EM-signaler.
- Utförde signalbehandlingsanalys med hjälp av Pandas och Numpy.
FlaskNumPyPandas
SciPy
Matplotlib
Product Engineer
- Samarbetade med ett tekniskt team med hjälp av GitHub för att förbättra ett system för att upptäcka defekter som utformats för kunder inom tillverkningsindustrin.
- Implementerade mikrotjänster med hjälp av FastAPI, Flask och gRPC för att bearbeta stora (10k x 8k pixel) bilder och tillämpa dem i djupinlärningsmodeller.
- Skapade Python-paket som använde ett API från tredje part för att effektivisera annotationsprocessen.
- Implementerade enhets- och integrationstester med hjälp av Docker och Python för att förbättra kvaliteten på levererad kod.
Flask
Azure Blob storageNumPy
gRPC
Machine Learning Researcher
- Forskningen syftade till att kombinera tensor-tekniker med tidsserieprognoser för ruttförutsägelse av misstänkta fordon med hjälp av sensordata.
TensorFlowNumPySciPyData Scientist
- Skapade en rekommendationsmotor med hjälp av maskininlärningsmodeller med ett avslagsalternativ över mycket obalanserade dataset. Uppgifterna inkluderade datavisualisering, Python-programmering, datarengöring / bearbetning, funktionsteknik och urval, modellutbildning och utvärdering, dataanalys och data ETL med Python;
- Utförde funktionsteknik på mycket obalanserade datamängder från olika datakällor som AWS S3, PostgreSQL, MySQL och Cassandra;
- Hanterade hela datavetenskapliga cykeln, från funktionsteknik till modelldistribution;
- Byggde ett rekommendationssystem för att hjälpa den högsta ledningen med beslutsfattande om åtkomstkontroll för virtuella tillgångar;
- Skapat, utvärderat, distribuerat och underhållit maskininlärningsmodeller som webbtjänster;
- Implementerade tekniker för att optimera modeller, inklusive funktionsteknik och urval, redundansdetektering, outlier-detektering, över- och underprovtagning, modellkalibrering och detektering av datasetdrift;
- Utformade datapipelines med hjälp av Python för att bearbeta finansiella data och migrera data mellan system.
CassandraFlaskTensorFlowNumPyPandasUtbildning
Sluta bläddra.
Få matchad snabbare.
Prata med en expert och få skräddarsydda matchningar från vårt nätverk på bara 2 dagar.
Tillgång till över 6 000+ experter
Hitta en utvecklare i genomsnitt 2 dagar
Anställ snabbt och enkelt med 94% matchningsframgång