Levon Y.
Senior ML Engineer
AWS Certified Machine Learning – Specialty, med omfattande expertis inom att bygga skalbara ML-system från experiment till produktion.
Under sin karriär har han levererat maskininlärningslösningar med hög påverkan som förbättrade affärsresultaten, inklusive återhämtning av 10 % av tidigare olösta bedrägerifall genom uplift-klassificering, uppnående av 90 % automatiserad dokumentklassificeringsnoggrannhet med hjälp av BERT- och FastText-modeller, samt utveckling av datorseendemodeller som nådde 96 % teckenigenkänningsnoggrannhet. Hans erfarenhet spänner över hela maskininlärningens livscykel, inklusive dataförberedelse, feature engineering, modellutveckling, utvärdering, driftsättning, övervakning och kontinuerlig optimering.
Utöver sin tekniska expertis har han lett tekniska initiativ och samarbetat nära med tvärfunktionella team för att omvandla affärskrav till produktionsklara AI-lösningar. Med praktisk erfarenhet av datapipelinedesign, MLOps, molninfrastruktur och modelldriftsättning är han väl rustad att leverera pålitliga, skalbara maskininlärningssystem som skapar mätbart affärsvärde.
Huvudsaklig expertis
Machine Learning8 år
Python7 år
AWS1 år
Amazon SageMaker1 årErfarenhet4
Senior Machine Learning Engineer
- Genomförde säkerhetsutvärderingar av sammanfattningssystem för app store-recensioner och musiksökfrågor
- Genererade syntetiska dataset och designade promptbaserade klassificeringspipelines med hjälp av olika stora språkmodeller (LLM:er)
- Identifierade osäkra modellutdata och bidrog till att förbättra modellens överensstämmelse med etablerade säkerhetsstandarder
- Optimerade prompt engineering-strategier för att förbättra klassificeringsnoggrannheten över flera innehållskategorier
PythonMachine Learning
OpenAI API
Prompt Engineering
Large Language Models (LLM)
Senior Data Scientist
- Utvecklade ett personanpassat system för uppgiftstilldelning för att förbättra användarnas viktnedgångsresultat och öka retentionsgraden
- Ledde helhetslanseringen av rekommendationsmoduler till alla produktionsanvändare
- Byggde datapipelines och analytiska modeller med hjälp av Python, SQL, Amazon SageMaker och Snowflake
- Tillämpade retentionsanalys med hjälp av Retentioneering för att identifiera churn-mönster och optimera användarengagemangsflöden
AWSPython
SQL
Data Science
Pandas
Machine Learning Specialist
- Ledde ett team i att förbättra bevisprediktion genom identifiering av liknande beskrivningar och uplift-klassificering, och återhämtade 10 % av tidigare olösta fall
- Utnyttjade stora språkmodeller (LLM:er), inklusive OpenAI-modeller och Zephyr 7B, för feature engineering, och automatiserade 80 % av arbetsflödena för upptäckt av finansiellt bedrägeri
- Hanterade ett projekt för upptäckt av lastbils- och containernummer, och ökade storleken på det domänspecifika datasetet med 75 % genom webbskrapning och syntetisk datagenerering
- Byggde objektdetektions- och teckenigenkänningsmodeller med hjälp av PyTorch och YOLO, och uppnådde 96 % objektdetektionsnoggrannhet och 80 % teckenigenkänningsnoggrannhet
- Samarbetade kring en patentklassificeringslösning för Philip Morris International, och designade en pipeline för multi-label-klassificering med hjälp av Scikit-learn och LightGBM
- Bedömde etikettkvalitet genom djupgående annotationsanalys, och identifierade en uppskattad felmärkningsgrad på 15 %
- Skapade interaktiva datavisualiseringar med hjälp av Streamlit och driftsatte maskininlärningslösningar med Docker
Docker
Project ManagementPython
PyTorch
Scikit-learn
Machine Learning Specialist
- Uppnådde en automatiserad HS-kodklassificeringsgrad på 90 % genom att träna och optimera FastText- och BERT-modeller
- Tränade en transformatorbaserad stavningskontroll som förbättrade kvaliteten på textförbehandling för brusiga beskrivningar med 20 %
- Samarbetade kring utvecklingen av bedrägeriupptäcktsmodeller för fakturor och fraktdokument, vilket förbättrade tullprocesser och säkerhetsåtgärder
- Designade och implementerade databehandlings- och maskininlärningsträningspipelines med hjälp av Scikit-learn, CatBoost och LightGBM
- Utvecklade en modell för prognostisering av klareringstid med hjälp av Holt-Winters prognosalgoritm
- Byggde ett system för upptäckt av falska fakturor baserat på dokumentlayoutanalys med hjälp av OpenCV
Python
OpenCVPyTorchScikit-learnMachine LearningIngenjörsexcellens
Alla Senior ML Engineerer som har ansökt till Proxify får ett betyg från 0 till 300 på ingenjörskompetens, en av de fem parametrar vi utvärderar. Detta betyg speglar endast ingenjörskompetens och baseras på intervjuer, hemuppgifter, live-kodningssessioner och/eller prestationer på jobbet. Kurvan visar hur alla utvärderade Senior ML Engineerer är fördelade över det intervallet, var vår accepteringsgräns för denna parameter ligger och var Levon befinner sig.
Score 178 · Top 15% of engineers
Certifikat 1
Issued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerIssued Feb 2026 - Expires Feb 2029
AWSMachine LearningAmazon SageMakerUtbildning
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