CV inżyniera computer vision i NLP

Inżynier computer vision i NLP z 5-letnim doświadczeniem w tworzeniu produkcyjnych funkcji ML dla platformy logistycznej B2B. Specjalizuję się w przetwarzaniu wstępnym obrazów, dostrajaniu modeli transformerowych i ewaluacji modeli. Mam na koncie usprawnienia w ekstrakcji danych z dokumentów i weryfikacji uszkodzeń paczek. Mam doświadczenie we wdrażaniu usług PyTorch i monitorowaniu jakości modeli po ich uruchomieniu.

Inżynier computer vision i NLP w Pineglass Parcel Technologies, Denver, CO (2023 – obecnie) - Zbudowałem/Zbudowałam potok wykrywania uszkodzeń na zdjęciach z magazynu w PyTorch i OpenCV. Przetwarzał około 1 200 obrazów dziennie i zmniejszył liczbę ręcznych weryfikacji o 18%. - Dostosowałem/Dostosowałam model klasyfikacji tokenów z Hugging Face do ekstrakcji danych z dokumentów wysyłkowych, podnosząc F1 na poziomie pól z 0,86 do 0,91 na zbiorze testowym. - Wdrożyłem/Wdrożyłam wersjonowane usługi wnioskowania z użyciem Docker i Kubernetes, skracając medianę czasu przetwarzania obrazu z 1,8 do 1,2 sekundy. Inżynier uczenia maszynowego w Ridgeway Applied Language Labs, Boulder, CO (2021 – 2023) - Opracowałem/Opracowałam procesy OCR i rozpoznawania nazwanych jednostek na fakturach z użyciem Tesseract i BERT. Skróciłem/Skróciłam średni czas analizy wyjątków o 22% w dwóch zespołach obsługujących klientów. - Oceniłem/Oceniłam modele wykrywania obiektów YOLO na oznaczonym zbiorze 14 000 obrazów. Wykryłem/Wykryłam braki w zakresie kamer i oświetlenia, których uzupełnienie zwiększyło czułość o 7 punktów procentowych.

Licencjat z informatyki — Aspen Vale Institute of Computing, Fort Collins, CO (2021)

• Wykrywanie uszkodzeń paczek: porównanie wariantów modeli YOLO i udokumentowanie czułości dla poszczególnych rodzajów uszkodzeń. • Ekstrakcja danych z dokumentów wysyłkowych: przygotowanie zbioru ewaluacyjnego do OCR i ekstrakcji jednostek z różnych skanów.

• Python, PyTorch, OpenCV, Hugging Face Transformers, Tesseract • Docker, Kubernetes, MLflow, PostgreSQL, Git