Tevos M.
Machine Learning Engineer
En av hans mest anmärkningsvärda prestationer är arkitekturen och produktionsdistributionen av en konsumentinriktad realtids ML-pipeline hos Philip Morris International (PMI). Detta projekt visade inte bara hans djupa tekniska kompetens utan också hans ledarskap i att driva innovation, säkerställa affärspåverkan och framgångsrikt operationalisera maskininlärning i en högriskmiljö.
Tevos är mycket skicklig på att översätta komplexa affärs- och tekniska utmaningar till skalbara, produktionsklara ML-system. Han spelar också en nyckelroll i mentorskap av ingenjörsteam och formar teknisk strategi, vilket gör honom till en stark ledare inom området för maskininlärning.
Huvudsaklig expertis
Python6 år
FastAPI3 år
Apache Spark3 år
Docker5 årErfarenhet7
Machine Learning Engineer
- Gick med som maskininlärningsingenjör och befordrades senare till teknisk ledare för att vägleda teamet genom viktiga övergångar.
- Ledde flera ML-projekt från proof-of-concept (POC) till minimalt användbar produkt (MVP), vilket säkerställde skalbarhet och produktionsberedskap.
- Omvandlade ML-infrastrukturen till en molnagnostisk stack och optimerade flexibilitet och kostnadseffektivitet.
- Arktekturerade och hanterade utvecklingen av två Agentic-botar, inklusive komponenter för Retrieval-Augmented Generation (RAG).
- Övervakade implementeringen av ett rekommendationssystem och en röstklassificeringsmodell för att säkerställa robust prestanda och anpassning till affärsmål.
- Etablerade MLOps-praktiker, inklusive CI/CD-pipelines, övervakning och larmhanteringssystem för att stödja underhållbarhet och automatisering.
- Underlättade tvärfunktionellt samarbete och anpassade data science-, ingenjörs- och produktteam.
Machine Learning Technical Lead
-
Initially joined as a Machine Learning Engineer, then elected as the Technical Lead to guide the team through key transitions;
-
Led the evolution of multiple ML projects from proof-of-concept (POC) to minimum viable product (MVP), ensuring scalability and production-readiness;
-
Spearheaded the transformation of the ML infrastructure into a cloud-agnostic stack, optimizing for flexibility and cost-efficiency;
-
Architected and managed the development of two Agentic bots, including Retrieval-Augmented Generation (RAG) components;
-
Oversaw the implementation of a recommendation system and a voice classification model, ensuring robust performance and alignment with business goals;
-
Established MLOps practices, including CI/CD pipelines, monitoring, and alerting systems to support long-term maintainability and automation;
-
Facilitated cross-functional collaboration, driving alignment between data science, engineering, and product teams;
-
Mentored junior engineers and fostered a culture of technical excellence and knowledge sharing within the team.
MongoDBDocker
AWS
RedisPython
Machine Learning Engineer
- Ställde in CI/CD-processer för backend för befintliga datorvisions auto-scalade djupinlärningsmodellpipelines.
- Utvecklade en ny djupinlärningsmodell för att förbättra operativ funktionalitet inom analyshögen.
- Implementerade ett CI/CD-arbetsflöde som möjliggjorde snabba och säkra uppdateringar över hela ML-livscykeln, kritiskt under den agrikulturella säsongen.
- Optimerade processer för att minska kostnader och latens samtidigt som noggrannhetsmått upprätthölls.
Machine Learning Operations Engineer
-
Set up the backend CI/CD processes for existing computer vision auto-scaled DL model pipelines;
-
Developed a new DL model to enhance operational functionality within the analytics stack;
-
Implemented a CI/CD process enabling fast and safe introduction of changes in the full ML lifecycle, critical during the agricultural season;
-
Optimized processes to achieve cost and latency reduction while maintaining accuracy metrics.
Docker
Jenkins
OpenCV
PyTorch
Senior Data Scientist / MLOps
- Underhöll och expanderade en end-to-end konsumentinriktad realtids ML-pipeline i produktion.
- Arkitekterade och utvecklade den initiala pipelinen, vilket säkerställde en robust och skalbar infrastruktur.
- Genomförde ad hoc-projekt inriktade på datagrävning och matematisk modellering.
- Klassificerade artiklar tidigt i produktlivscykeln, vilket avsevärt minskade servicerelaterade och logistik kostnader.
- Lade grunden för en andra version av pipelinen för att möjliggöra prediktiv underhåll.
DockerApache Spark
FlaskJenkins
Kubernetes
Machine Learning Engineer
- Utvecklade och tillämpade nyckeltal och kvantitativa modeller för att utvärdera marknadsrelaterade parametrar, inklusive Value at Risk (VaR), och säkrade korrekt riskbedömning och exponering.
- Utförde djupgående teknisk analys av strukturerade finansinstrument, till exempel hypotekssäkrade värdepapper (MBS) och säkerställda skuldåtaganden (CDO), med stresstestning, scenariomodellering och känslighetsanalys för att bedöma prestanda under varierande marknadsförhållanden.
- Utformade och förfinade metoder för riskbedömning, som kombinerade traditionell finansiell teori med datadrivna tekniker för att förbättra beslutsfattande och portföljresiliens.
- Samarbetade med riskhantering och investeringsteams för att översätta komplexa analytiska insikter till handlingsbara rekommendationer.
- Automatiserade riskrapporteringspipelines och instrumentpaneler, vilket förbättrade transparensen och påskyndade responsen på marknadsfluktuationer.
- Utvärderade regulatorisk efterlevnad av riskmodeller, vilket säkerställde att de följde interna riskramar och externa standarder såsom Basel III och IFRS.
- Bidrog till modellvalidering genom att backtesta prestandamått och kalibrera modeller för förbättrad noggrannhet och Robusthet.
SQL
Scikit-learn
Machine LearningFinancial Analyst / Data Analyst
-
Developed and contributed to packages dedicated to data ETL, ML, and statistical analysis;
-
Enhanced general operation components of the stack, including GUI-related elements, for team projects;
-
Worked on structured and unstructured knowledge extraction and NLP tools.
Machine LearningGranskning
Ingenjörsexcellens
Tevos totala prestation i en 90-minuters live-teknisk bedömning rankas inom top 10% av granskade Machine Learning Engineer på Proxify.
Utbildning
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