Ein Team von 75 Datenwissenschaftlern geleitet, um Gemini Advanced in Zusammenarbeit mit dem Implicit Code Execution (ICE)-Team von Google Bard zu verbessern.
Verantwortete Prozesse zur Modellevaluation und Fehlerentdeckung. Erstellte Metriken zur Modellkorrektheit und verglich verschiedene Modellversionen, um eine kontinuierliche Verbesserung zu erreichen. Bei statistisch signifikanten Fehlermustern wurden Ursachen untersucht und Lösungsvorschläge mit den Forschungsteams besprochen.
Empfahl und implementierte neue Richtlinien für das Modell bezüglich der Generierung von Trainingsdaten, die von SFT-Prozessen genutzt werden.
Führte die Generierung von RLHF-Trainingsdaten mit hoher Qualität und Durchsatz durch, um das Modell weiter zu verbessern.
Arbeitete an der Ergänzung von RLMF-Prozessen, um das Modell mit synthetisch erzeugten Daten zu verfeinern.
Trug zum Aufbau der Machine-Learning-(ML)-Wissenschafts- und Datenanalyse-Grundlagen sowie des Teams bei. Verantwortete verschiedene Modelltrainings – Klassifikatoren und Empfehlungssysteme – und deren Deployment, die Erstellung robuster Validierungsframeworks, um die zukünftige Leistungsfähigkeit unserer ML-Modelle zu sichern, sowie kontinuierliches Feature Engineering zur Verbesserung unserer bestehenden Empfehlungssysteme, was direkt die Geschäftsergebnisse steigerte.
Integrierte neue Signale in unsere Modelle, zum Beispiel Feature-Extraktion basierend auf Latent Dirichlet Allocation (LDA) aus unstrukturierten Textdaten.
Für ML-Engineering Docker, ElasticSearch, Google Cloud Platform (Vertex AI, BigQuery, GCS) und Uvicorn genutzt. Außerdem ML-Frameworks wie TensorFlow, PyTorch, LightGBM, XGBoost, Hugging Face, Scikit-Learn, Imblearn, LightFM und die OpenAI API verwendet.
In meiner Führungsrolle habe ich ein Team von 7 Datenwissenschaftlern effektiv geführt und die aktive Zusammenarbeit mit funktionsübergreifenden Teams in der gesamten Organisation gefördert.
Aug. 2019 - Feb. 2021
1 Jahr 7 Monaten
Senior ML-Wissenschaftler
Omnisight
Entwickelte tiefe neuronale Netze zur Analyse von Außenwerbung, einschließlich Personenerkennung, Gesichtserkennung und Pose-Schätzung.
Verbesserte die Modellperformance auf NVIDIA Jetson durch TensorRT-Optimierung, was Durchsatz und Effizienz steigerte.
Implementierte ein Multi-Object-Tracking-System für Echtzeitanalysen, wodurch das Kundenerlebnis verbessert wurde.
Sept. 2018 - März 2019
7 Monaten
ML-Wissenschaftler
Science Wave Capital
Erstellte prädiktive Modelle zur Vorhersage von Aktienrenditen und 5-Tage-Alpha-Werten für ein marktneutrales Portfolio mithilfe von LightGBM, XGBoost und neuronalen Netzen auf 20 Jahren europäischer Aktienmarktdaten.
Führte Feature Engineering durch, um neue Signale für die Modellanpassung an volatile Marktbedingungen zu entwickeln.
Ermöglichte die tägliche Umschichtung eines gehebelten Portfolios im Wert von 150 Mio. $, indem Modellprognosen mit Markowitz-Optimierern für optimale Ergebnisse kombiniert wurden.
Nov. 2016 - Sept. 2018
1 Jahr 11 Monaten
KI-Ingenieur
Infotech
Leitete KI-Initiativen im TEMSA MD9 electriCITY Autonomous-Bus-Projekt mit Fokus auf Sensor-Datenverarbeitung und Fusion von LiDAR/Stereokameras für Computer-Vision-Aufgaben wie Objekterkennung und -verfolgung.
Implementierte Machine-Learning-Modelle für staatliche Forschung und Entwicklung, einschließlich Indoor-Lokalisierung mit Smartphones und Fahrerrisikoklassifizierung mittels Telematik.
Sprachen
Türkisch
Muttersprache
Englisch
Fortgeschritten
Ausbildung
Okt. 2015 - Juni 2017
Galatasaray University
Master of Science in Informatik und Ingenieurwesen · Informatik und Ingenieurwesen · İstanbul, Türkei
Okt. 2009 - Juni 2014
Sabanci University
Bachelor of Science in Informatik und Ingenieurwesen · Informatik und Ingenieurwesen · İstanbul, Türkei
Okt. 2005 - Juni 2009
Izmir American College
Highschool-Abschluss · İzmir, Türkei
Sie suchen Freelancer?Passende Kandidaten in Sekunden!