Paritosh M.

– Implementerade prediktiv modellering genom att använda både konventionella prognosmetoder och avancerade djupinlärningstekniker för att underlätta implementeringen av effektiva handelsstrategier. – Presenterade analyser av nyckeltrender och relaterade risker, och förklarade deras inverkan på resultatet för att stödja informerade diskussioner om beslutsfattande.

– Implementerade och underhöll Kafka-pipelines för att samla in realtidsdata från olika leverantörer, vilket säkerställde en kontinuerlig tillgång av avgörande information för analys. – Kommunicerade resultat och insikter till både tekniska och icke-tekniska intressenter genom tydliga visualiseringar, rapporter och presentationer, vilket möjliggjorde informerat beslutsfattande baserat på den genomförda analysen.

– Lanserade det intäktsgenererande erbjudandet, Walletshare, inom Bloomberg-terminalen, skattade bankavgifter i affärer som IPO:er, obligationsutbud och låneerbjudanden. – Implementerade en maskininlärningsmodell med hjälp av två decennier av data för att underlätta exakt avgiftsberäkning. – Ledde utvecklingen av innovativa metoder för datainsamling och använde olika NLP-tekniker för att förbättra noggrannheten och påskynda tid-till-marknad för erbjudandet. – Genomförde en djupgående analys av kundernas användningsmönster inom Bloomberg-terminalen, undersökte den tid som spenderades på produkter och använde insikterna för att föreslå och konceptualisera förbättringar med målet att förbättra användarupplevelsen och engagemanget.

• Developed a real-time algorithm that correlates facial movement with speech analysis, achieving a significant milestone of acquiring 10,000 paid B2C customers and 25 B2B customers;

• Led the development of models utilizing Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN) in Python through Tensorflow, showcasing expertise in advanced machine learning techniques;

• Spearheaded the deployment of these models on AWS using EC2, demonstrating proficiency in leveraging cloud computing infrastructure for scalable and efficient implementation;

• Worked within the Robert Bosch Corporate Technology Lab B, contributing expertise to cutting-edge projects and enhancing the technological landscape of the organization.

• As a Research Associate at the Robert Bosch Corporate Technology Lab in Bengaluru and Singapore from Jan 2017 to Jan 2018, developed a Semantic Retrieval system employing deep learning techniques. This innovation significantly enhanced autonomous driving capabilities, slashing model training time by an impressive 80%;

• Pioneered the development of a semantic segmentation algorithm tailored for identifying Dry Eye Glands. This advancement enabled the implementation of models on Edge devices, optimizing their efficiency and functionality in real-time scenarios;

• Contributed valuable expertise and research acumen to projects aimed at revolutionizing autonomous driving technology and medical image analysis, leveraging deep learning methodologies to push the boundaries of innovation within the field.