Enes S.
KI-Ingenieur
Erfahrungen
März 2025 - Bis heute
10 MonatenToronto, Kanada
KI-Ingenieur
Freiberuflich Tätig
- Mehrere freiberufliche Einsätze für verschiedene Kunden zur Bereitstellung von End-to-End-KI- und ML-Engineering-Lösungen.
- Eine Anwendung, die ein LLM verwendet, um automatisch Konzepte, Beziehungen und Hierarchien aus Domänentexten zu extrahieren und eine strukturierte Ontologie zu generieren.
- Ein KI-Agent, der eine Reverse-Image-Suche durchführt und Multi-Source-Reasoning integriert, um Personen oder Kontextdetails aus einem einzelnen Eingabebild zu identifizieren.
Aug. 2024 - Jan. 2025
6 MonatenVereinigte Staaten
Quant Data Scientist
Blockhouse
- Angewandte Policy-Gradient-basierte Deep-Reinforcement-Learning-Methoden (SAC, PPO) mit Stable-Baselines3 zur Optimierung des Preisimpacts im Handel.
- Fehlerbehebung bei den Lernmechanismen des Trading-RL-Agenten, was zu spürbaren Verbesserungen und Konvergenz führte.
- Bereitstellung des RL-Agenten-Modells mit dem Ray Serve Framework auf AWS.
Okt. 2019 - März 2024
4 Jahren 6 MonatenToronto, Kanada
NLP-Entwickler für Maschinelles Lernen
Creative Destruction Lab
- Eingesetzt Ensemble-Methoden, Multi-Kernel-Learning, Few-Shot-Learning und Active Learning sowie Feintuning von LLM, um die Modellgenauigkeit bei der Klassifikation von Finanztexten und tabellarischen Daten um 10–20% zu erhöhen.
- Entwickelte Produkte basierend auf angewandter NLP mit Fokus auf semantische Suche, Ranking, Clustering, RAG und Zusammenfassung für die Venture-Capital-Branche.
- Implementierte und containerisierte Datenvorverarbeitungs- und Vorhersagepipelines mit Pandas, Polars, Docker und Apache Airflow.
- Erstellte eine Multi-GPU-Bayesian-Hyperparameter-Optimierungspipeline mit Ray, was zu einer 4–5%igen Verbesserung des F1-Scores führte.
- Entwickelte eine Single-Node-Multi-GPU-Trainingspipeline mit PyTorch und nutzte dabei Daten- und Pipelineparallelisierung.
- Verwaltete MLOps-Prozesse einschließlich Modellbereitstellung in der Produktion (AWS SageMaker), Überwachung, Wartung und Drift-Erkennung.
- Führte Literaturrecherchen durch, erforschte und prototypisierte neue Modelle.
- Implementierte Model-Explainability mit SHAP und Captum.
Juli 2016 - Juni 2017
1 JahrAnkara, Türkei
Praktikant und Forschungsingenieur
ASELSAN
- Entwickelte ein auf CNN basierendes Vorhersagemodell mit Transfer Learning für die feinkörnige Unterscheidung von Fahrzeugmarke und -modell in der visuellen Überwachung.
- Trainierte ein CNN, um die Bildqualität von Wärmebildkameras durch Blinddekonvolution für Superauflösung zu verbessern.
Sprachen
Englisch
VerhandlungssicherAusbildung
Sept. 2017 - Juni 2019
Universität Toronto
Master of Applied Science in Elektrotechnik und Informatik · Elektrotechnik und Informatik · Toronto, Kanada · Notendurchschnitt: 3,91/4,00
Aug. 2015 - Mai 2016
Nationale Universität Singapur
Austauschstudent in Elektrotechnik und Informatik · Elektrotechnik und Informatik · Singapur
Sept. 2013 - Juni 2017
Bilkent-Universität
Bachelor of Science in Elektro- und Elektroniktechnik mit Schwerpunkt auf Signalverarbeitung und Maschinellem Lernen · Elektro- und Elektroniktechnik · Ankara, Türkei · Notendurchschnitt: 3,88/4,00
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.