English
Svenska
Dansk
Dutch
Deutsch
Norsk
Suomi
Omer A.
Data Scientist
Omer est un scientifique de données et un ingénieur en apprentissage automatique hautement qualifié, avec plus de quatre ans d'expérience dans la recherche et le développement. Son expertise couvre divers domaines, notamment les LLM, le NLP, l'apprentissage par renforcement, les prévisions de séries temporelles, l'imagerie médicale et l'architecture de systèmes d'apprentissage automatique de bout en bout.
Omer a prouvé qu'il était capable de fournir des résultats exceptionnels. Il excelle dans le développement, le déploiement et la surveillance de modèles avancés de Machine et Deep Learning, qui ont fait partie intégrante du succès de diverses applications clients.
Ses compétences et son engagement en faveur de l'excellence soulignent ses contributions significatives aux domaines de la science des données et de l'apprentissage automatique.
Principale expertise
- NLP 5 ans
- Python 5 ans
- Data Science 6 ans
Autres compétences
- TypeScript 2 ans
- Neo4j 1 ans
- Scrapy 1 ans
Expérience sélectionnée
Emploi
Machine Learning Engineer/Data Scientist
Vodafone - 1 an 11 mois
- Travail avec de grands modèles de langage (LLM), ChatGPT, et application de techniques de Prompt Engineering.
- Mise en œuvre de la Génération Augmentée de Récupération (RAG) et développement de chatbots utilisant le Traitement du Langage Naturel (NLP).
- Réalisation de tâches d'extraction et de mise en correspondance de mots-clés.
- Construire des solutions de recherche sémantique et utiliser des frameworks tels que LangChain et FastAPI.
Les technologies:
- Les technologies:
Neo4j
- NLP
Python
FastAPI
ChatGPT API
Senior Data Scientist/Machine Learning Engineer
Presify.Ai - 1 an 6 mois
- Mise en œuvre de modèles de prévision de séries temporelles pour prédire la production d'électricité de milliers de centrales renouvelables pour les marchés intrajournaliers et day-ahead en utilisant LSTM, XGBoost, LightGBM, et Random Forest.
- Développement d'algorithmes de détection d'anomalies pour identifier les valeurs extrêmes dans les données de séries temporelles.
- Nous avons procédé à un prétraitement approfondi des données et à une ingénierie des caractéristiques afin d'améliorer la précision et l'évolutivité du modèle.
- Conçu des environnements de développement et de production d'apprentissage automatique en utilisant une architecture microservice dans les clusters Kubernetes et Kubeflow.
- Déployer des modèles d'apprentissage automatique en production en utilisant diverses stratégies telles que les API REST, KServe, BentoML et des outils de conteneurisation tels que Docker et Kubernetes.
- Le candidat a suivi et entraîné les modèles d'apprentissage automatique déployés en continu en utilisant les mesures de performance et les commentaires des utilisateurs, en effectuant des ajustements pour répondre aux exigences de l'entreprise.
- Développement et maintenance de microservices de base pour l'environnement de production en utilisant FastAPI, Flask et Node.js.
- A beaucoup travaillé avec BERT, LLMs, ChatGPT, fine-tuning, NLP, LLaMa, RAG, l'API ChatGPT, LangChain, et Agents.
Les technologies:
- Les technologies:
- NLP
-
Python
Kubernetes
Kubeflow
-
FastAPI
SQL
-
ChatGPT API
Data Scientist/Machine Learning Engineer
Titra Technology - 2 années
- Traitement et analyse d'images 3D TOF MRA en haute dimension sous la supervision d'un groupe de radiologie.
- Développement, optimisation et mise en œuvre de modèles profonds basés sur 3D Vision Transformer, 3D Res U-Net et 3D Attention U-Net et leurs variantes pour fournir une aide au diagnostic des pathologies intracrâniennes telles que les anévrismes et les accidents vasculaires cérébraux ischémiques.
- Réduction de la charge de travail des radiologues et augmentation de 10 % de la précision du diagnostic pour les anévrismes non rompus grâce à l'aide des modèles développés.
- Développement et déploiement réussis de modèles de détection et de segmentation d'objets pour les dispositifs embarqués tels que les drones, ce qui a permis d'accroître la précision et l'efficacité des opérations de surveillance et de contrôle aériens.
- Développement de pipelines de déploiement et de flux de travail personnalisés qui ont amélioré le processus de déploiement des modèles d'apprentissage automatique, conduisant à une réduction significative du temps de mise en production.
Les technologies:
- Les technologies:
-
Python
Machine Learning
-
SQL
Éducation
License ès sciencesComputer Engineering
Erciyes University · 2014 - 2018
Trouvez votre prochain développeur en quelques jours et non sur plusieurs mois
Dans un court appel de 25 minutes, nous voulons:
- Comprendre vos besoins en développement
- Vous expliquez comment nous allons vous mettre en relation avec le développeur le mieux qualifié pour votre projet, sélectionné avec soin
- Vous indiquez nos prochaines démarches afin de vous trouver le meilleur développeur, souvent en moins d'une semaine