เรซูเม่วิศวกรแมชชีนเลิร์นนิง

วิศวกรแมชชีนเลิร์นนิงที่มีประสบการณ์ 7 ปีในการสร้างระบบจัดอันดับและพยากรณ์สำหรับผลิตภัณฑ์อีคอมเมิร์ซแบบ B2B มีทักษะด้านการพัฒนาโมเดลด้วย Python และ PyTorch การออกแบบไปป์ไลน์ฟีเจอร์ และการนำระบบขึ้นใช้งานบน Kubernetes พร้อมประเมินผลทั้งแบบออฟไลน์และออนไลน์อย่างรอบคอบ เคยนำบริการที่ประมวลผลคำขอแนะนำสินค้า 2 ล้านรายการต่อวันขึ้นใช้งานจริง

วิศวกรแมชชีนเลิร์นนิง II ที่ Cedarpath Commerce, Denver, CO (2022 – ปัจจุบัน) - สร้างโมเดลจัดอันดับด้วย PyTorch โดยใช้ฟีเจอร์จากเซสชันและแค็ตตาล็อก เพิ่มอัตราการเพิ่มสินค้าลงรถเข็น 6% ในการทดสอบแบบควบคุมกับ 1.2 ล้านเซสชัน - นำบริการแนะนำสินค้าขึ้นใช้งานบน Kubernetes และเพิ่มการให้คะแนนแบบแบตช์พร้อมติดตามผลด้วย MLflow ลดเวลาตอบสนอง p95 จาก 180 ms เหลือ 125 ms - ทำให้การตรวจสอบและแจ้งเตือนการเบี่ยงเบนของฟีเจอร์ที่ใช้งานจริง 14 รายการเป็นระบบอัตโนมัติ ช่วยให้ทีมตรวจสอบปัญหาข้อมูลก่อนปล่อยโมเดลรายสัปดาห์ได้ วิศวกรแมชชีนเลิร์นนิงที่ Summitline Analytics, Boulder, CO (2019 – 2022) - ฝึกโมเดลพยากรณ์ความต้องการด้วย scikit-learn จากข้อมูลยอดขายย้อนหลังสามปี ลดค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ลง 9% เมื่อเทียบกับค่าฐานตามฤดูกาลเดิม - สร้างไปป์ไลน์ฟีเจอร์ด้วย Python และ SQL ที่นำกลับมาใช้ซ้ำได้สำหรับการติดตั้งใช้งานของลูกค้า 5 ราย ลดเวลาเตรียมการอัปเดตโมเดลจากสองวันเหลือประมาณหนึ่งวัน

วิทยาศาสตรบัณฑิต สาขาวิทยาการคอมพิวเตอร์ — Juniper Ridge University, Grand Junction, CO (2018)

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

• พัฒนาต้นแบบระบบค้นคืนและจัดอันดับซ้ำสำหรับการค้นหาสินค้า โดยใช้ sentence embeddings และ PyTorch • เปรียบเทียบความเกี่ยวข้องและเวลาแฝงจากชุดข้อมูลที่ติดป้ายกำกับจำนวน 8,000 คำค้น • บันทึกผลการประเมินและข้อแลกเปลี่ยนในการนำไปใช้งาน