English
Svenska
Dansk
Dutch
Français
Norsk
Suomi
Adrianna J.
Machine Learning Engineer
Adrianna ist eine erfahrene Ingenieurin für maschinelles Lernen mit sieben Jahren Erfahrung in den Bereichen Biowissenschaften, Beratung, Konsumgüter, Gesundheitswesen und Telekommunikation.
Sie ist derzeit als Technology Research Associate Principal tätig und verfügt über Kenntnisse in Python, TensorFlow, SPARQL, Stardog, AmpliGraph, Scikit-Learn, Docker, Streamlit und Git.
Mit vier Jahren spezialisierter Erfahrung im Bereich des maschinellen Lernens von Graphen hat Adrianna vor allem bei Accenture gearbeitet und wichtige Beiträge zu Projekten wie CLARIFY geleistet, wo sie Experimente zum maschinellen Lernen leitete, umfassende Bewertungen durchführte und die Bereitstellung von Lösungen für Krankenhäuser verwaltete.
Sie hat einen Bachelor-Abschluss in Steuerungstechnik und Robotik und einen doppelten Master-Abschluss in Data Science mit dem Nebenfach Entrepreneurship von EIT Digital, was ihr starkes technisches Fundament und ihre unternehmerische Denkweise unterstreicht.
Hauptkompetenz
- Databricks 4 Jahre
- OpenCV 5 Jahre
- Computer Vision 5 Jahre
Andere Fähigkeiten
- CSV 9 Jahre
- LaTeX 8 Jahre
- Matplotlib 8 Jahre
Ausgewählte Erfahrung
Beschäftigung
Technology Research Associate Principal
Accenture - 5 jahre 4 monate
- Führte das CLARIFY-Projekt bis ins Finale des Greater Than Award von Accenture in der Kategorie Inspiring Growth und leitete den Technologietransfer für ein neurosymbolisches Abfragesystem für biomedizinische Wissensgraphen;
- Entwicklung von Systemen zur Rückfallprognose und Abschluss des TechStar 2023 Leadership-Programms;
- Erstellung eines Prototyps einer REST-API für AmpliGraph 2, der in Kunden-Workshops vorgestellt wurde;
- Beitrag zum CLARIFY H2020-Projekt der EU-Kommission durch die Durchführung eines Kunden-Pilotprojekts, die Zusammenarbeit mit 11 Partnern und die Erstellung von Ergebnissen;
- Ich habe vier Patentideen vorgeschlagen und für zwei als Hauptautor fungiert;
- Co-Betreuung eines PhD-Praktikanten über interpretierbare Gen-Krankheitsvorhersage mit GraphML;
- Diente als Virtual Buddy für einen neuen Mitarbeiter und nahm an Vorstellungsgesprächen teil;
- Präsentiert auf Konferenzen wie Sketching in Hardware 2022, ESSEC Business School und EIT Digital Alumni Annual Meeting über XAI und Wissensgraphen;
- Co-Präsentation des COLING-22-Tutorials über Knowledge Graph Embeddings für NLP und Verfassen eines Medium Labs-Blogposts über XAIl;
- Forschung im Bereich des maschinellen Lernens über erklärbare KI für Modelle zur Einbettung von Wissensgraphen in onkologischen Anwendungen der Präzisionsmedizin;
- Entwicklung von ExamplE, einem neuartigen Erklärungsansatz für die Vorhersage von Links, der zu einer Patentanmeldung und einem Proof of Concept im Hospital Puerta del Hierro für das CLARIFY H2020-Projekt führte;
- Hat Experimente zur Vorhersage von Lungenkrebsrückfällen entworfen und zur Entwicklung von AmpliGraph 1.4 beigetragen;
- Mitverfasser von drei Beiträgen für die EU-Kommission und Einreichung von drei Patentideen;
- Erreichte den zweiten Platz beim Accenture Hackathon: Al4Insurance und nahm an der Eco Innovation Challenge teil;
- Zusammenarbeit mit dem Human Insight Lab bei verschiedenen Initiativen.
Technologien:
- Technologien:
Databricks
GNU Octave
- HTML / CSS
JavaScript
- Data Modeling
Material-UI
ChromaDB
SQL
MongoDB
Bash
CircleCI
CSS
- Clustering
- CSV
D3.js
Cuda
- Data Analytics
- Data Engineering
React.js
- Unit Testing
Swagger
ChatGPT API
LangChain
- Prompt Engineering
REST API
Git
Python
Docker
Flask
BeautifulSoup
Pandas
NumPy
- Team Leading
- Data Science
Pytest
Machine Learning
TensorFlow
Open source
Scikit-learn
Streamlit
R&D Software Engineer
Nokia - 2 jahre 6 monate
- Begann als Werkstudent, wurde befördert und wechselte die Rolle, während er in einem Team arbeitete, das für die Entwicklung eines Komponenten-Test-Frameworks für 5G-Komponenten verantwortlich war (R&D Python Software Developer);
- Mitarbeit an der Zeitsynchronisierung in Basis-Sende-/Empfangsstationen, wobei zu den Hauptaufgaben die Entwicklung von Webanwendungen mit Unterstützung für maschinelles Lernen in Python gehörte, die in der Cloud gehostet wurden (R&D Embedded Software Engineer);
- Sie haben dazu beigetragen, neue Funktionen in C++ zu schreiben, Softwarefehler zu beheben, Unit-Tests durchzuführen, zu dokumentieren und die besten Praktiken der objektorientierten Programmierung (OOP) und der testgetriebenen Entwicklung (TDD) anzuwenden.
Technologien:
- Technologien:
-
GNU Octave
- HTML / CSS
-
JavaScript
Jenkins
-
SQL
-
MongoDB
-
Bash
-
CSS
- Clustering
- CSV
-
Cuda
- Data Analytics
- Data Engineering
- Unit Testing
Django
C++
-
REST API
-
Git
-
Python
-
Docker
-
Flask
-
Pandas
-
NumPy
- Data Science
Agile
-
Pytest
-
TensorFlow
- Embedded systems
Ausbildung
MSc.Data Science
Royal Institute of Technology (KTH) · 2018 - 2020
MSc.Data Science
Cote d'Azure University · 2017 - 2019
BSc.Control Engineering and Robotics
Wroclaw University of Technology · 2012 - 2016
Finden Sie Ihren nächsten Entwickler innerhalb von Tagen, nicht Monaten
In einem kurzen 25-minütigen Gespräch würden wir gerne:
- Auf Ihren Bedarf bezüglich des Recruitments von Software-Entwicklern eingehen
- Unseren Prozess vorstellen und somit wie wir Sie mit talentierten und geprüften Kandidaten aus unserem Netzwerk zusammenbringen können
- Die nächsten Schritte besprechen, um den richtigen Kandidaten zu finden - oft in weniger als einer Woche