Machine Learning Engineer

• Fine-tuned CosyVoice TTS models on proprietary datasets for 30 distinct speakers, improving voice quality and speaker consistency
• Built a scalable inference service using Ray and FastAPI for low-latency text-to-speech generation
• Implemented Speaker diarization pipelines for long-form audio, enabling accurate segmentation and extraction of individual speaker voices
• Conducted experimental work on speech-to-speech systems by fine-tuning the Moshi pipeline; replaced base model (Helium) with Qwen3 for improved flexibility (project in progress)
• Fine-tuned Qwen Image Edit on custom paired (before/after) datasets for image editing
• Fine-tuned text-to-image diffusion models (FLUX, Stable Diffusion XL) and implemented DreamBooth for subject-driven generation using Hugging Face

TTEK Inc. focuses on creating and implementing innovative technologies to enhance the efficiency of customs and border processing.

• Used Large Language models with advanced prompting techniques for text to sql. Created one LLM agent in order to do entity extraction. Then used output of that agent in SQL agent in order to create an sql query.
• Utilized advanced Prompting techniques with LLMs (gpt4-o and Claude) to extract valuable insights from diverse data sources in order to create risk rules in customs.
• Created an LLM Agent using an LLM (gpt4-o) together with serper api in order to predict the NAICS code for a given company name.
• Used LLMs for price prediction.
• Designed a dual-head classification model leveraging the BERT LLM architecture for precise categorization of products into Harmonized System (HS) codes.
• Built a Named Entity Recognition (NER) model to extract product names from descriptions, using BERT based LLM for token classification.

• Engasjert i forsknings- og utviklingsaktiviteter.
• Utviklet en REST-server for Autocorrect-modulen, som gir sømløs og effektiv funksjonalitet.
• Utnyttet OPTUNA for automatisk justering av hyperparameter, optimalisering av ytelsen til modeller og algoritmer.
• Brukte forklarbare AI-teknikker, inkludert verktøy som Captum, Lime og SHAP, for å gi tolkbar innsikt i modellprediksjoner og beslutningsprosesser.
• Utførte finjustering av BERT-modeller for intensjonsklassifiseringsoppgaver, foredlet ytelsen på spesifikke kontekstuelle forståelsesoppgaver.
• Implementerte en PyTorch-basert DIET-klassifisering fra bunnen av, noe som gjorde det mulig med bred intensjonsgjenkjenning og klassifisering.
• Gjennomførte eksperimenter med RASAs åpen kildekode for konversasjons-AI-rammenettverket, og utforsket dets potensielle muligheter og bruksområder.
• Utforsket ende-til-ende-dialogmodeller ved hjelp av språkmodeller (LLM), som undersøkte effektiviteten og ytelsen deres i konversasjons-AI-oppgaver.

Voiceloft, an Azerbaijan-based platform that promotes the development of speech recognition technologies by collecting voice data.

• Fully responsible for the ML projects;

• Working on ASR model and leading 2 interns on NLP tasks;

• Fine-tuned Wav2Vec2 baseline model with our dataset.

• Jobbet med FoU og dataanalyse;
• Brukte sentimentanalysemodell fra start til distribusjon, ved hjelp av Python, PyTorch, scikit-learn, Docker og Flask.

• Hadde fullt ansvar for å overvåke og administrere hele livssyklusen til ML-prosjekter.
• Implementerte en toppmoderne aserbajdsjansk tale-til-tekst-modell med Kaldi-verktøysettet og Python.
• Utviklet en aserbajdsjansk tekst-til-tale-modell ved bruk av Tacotron2 og parallell vegansk modell for syntese i PyTorch.

• Fully responsible for the ML projects and crawlers;

• Applied Generic Crawler to get data from any news page, even if they change their design;

• Built the ETL process, getting news data from 200 different Azerbaijani news channels;

• Applied Similarity Detection, Text Categorization, NER, Sentiment;

• Analysis, Keyword Extraction, Summarization to those data;

• Finished Projects: aqreqator.az.