رزومه مهندس یادگیری ماشین

مهندس یادگیری ماشین با ۷ سال تجربه در ساخت سامانه‌های رتبه‌بندی و پیش‌بینی برای محصولات تجارت B2B. مسلط به توسعه مدل با Python و PyTorch، طراحی خط لوله ویژگی و استقرار با Kubernetes، همراه با ارزیابی دقیق آفلاین و آنلاین؛ دارای سابقه انتشار سرویس‌هایی که روزانه ۲ میلیون درخواست پیشنهاددهی را پردازش می‌کنند.

مهندس یادگیری ماشین II در Cedarpath Commerce، Denver, CO (۲۰۲۲ – اکنون) - مدل رتبه‌بندی PyTorch را با استفاده از ویژگی‌های نشست و فهرست محصولات ساختم؛ نرخ افزودن به سبد خرید را در آزمونی کنترل‌شده روی ۱٫۲ میلیون نشست، ۶٪ افزایش دادم. - سرویس‌های پیشنهاددهی را روی Kubernetes مستقر کردم و امتیازدهی دسته‌ای همراه با رهگیری MLflow افزودم؛ زمان پاسخ p95 را از ۱۸۰ ms به ۱۲۵ ms کاهش دادم. - اعتبارسنجی ویژگی‌ها و هشدارهای انحراف را برای ۱۴ ویژگی عملیاتی خودکار کردم و به تیم کمک کردم پیش از انتشارهای هفتگی مدل، مشکلات داده را بررسی کند. مهندس یادگیری ماشین در Summitline Analytics، Boulder, CO (۲۰۱۹ – ۲۰۲۲) - مدل‌های پیش‌بینی تقاضا را با scikit-learn و بر پایه سه سال داده فروش آموزش دادم؛ میانگین خطای مطلق را در مقایسه با خط مبنای فصلی موجود ۹٪ کاهش دادم. - خط لوله‌های ویژگیِ قابل‌استفاده مجدد با Python و SQL برای پنج استقرار مشتری ساختم؛ آماده‌سازی به‌روزرسانی مدل را از دو روز به حدود یک روز کاهش دادم.

کارشناسی علوم کامپیوتر — Juniper Ridge University، Grand Junction, CO (۲۰۱۸)

• Python، SQL، PyTorch، scikit-learn • MLflow، Docker، Kubernetes • Apache Spark، Airflow

• نمونه اولیه‌ای برای بازیابی و رتبه‌بندی مجدد جست‌وجوی محصولات با استفاده از تعبیه‌های جمله‌ای و PyTorch توسعه دادم • مرتبط‌بودن نتایج و تأخیر را روی مجموعه‌ای برچسب‌خورده شامل ۸٬۰۰۰ پرس‌وجو مقایسه کردم • نتایج ارزیابی و بده‌بستان‌های استقرار را مستند کردم