Junior Machine Learning

Описание

VLA D IS LA V
KA PIT S A
JU N IO R
M AC H IN E L E A R N IN G
EN GIN EER ( P YTH O N)
ED UCA TIO NTE C H NIC A L S K IL LS+37 5 3 3 6 57 5 9 9 1vla d .k ap it s a .m ail.r u @ gm ail.c o mw ww.l in ke d in .c o m /in /v la d -k ap it s ah ttp s:/ /g it h ub .c o m /P ro p hetS u n b oyB ela ru s ( G ro d no)
op en t o r e m ote
@ Vla d K ap it s a- P ro g ra m min g : P yth on ;
- M ach in e L e arn in g : s c ik it -le arn , X G Boost, T e n so rF lo w , 
Tra n sfo rm ers ;
- M L E n g in eerin g : P ip elin es, F astA P I, D ock e r, E vid ent ly ; 
- D ata : p an d as, N um Py;
G ro d no s ta te c o lle g e o f
en g in eerin g , t e ch nolo g y a n d
d esig n
Sp ecia lit y : s o ft w are e n g in eer 
Le etC od e: T o p ~ 20 ,0 00
K ag gle : A ctiv e c o m petit io n
p art ic ip an t
En g lis h : B 2 
P R O JE C TSE X P ER IE N CEA CH IE V EM EN TSEn d -t o -E n d H ou se P ric e P re d ic tio n S yste m 
B uilt a f u ll M L p ip elin e w it h s c ik it -le arn P ip eli n es t o
e n su re c o n sis te n t p re p ro ce ssin g a n d p re ve n t d ata
le ak ag e
Im ple m en te d a F astA P I- b ase d i n fe re n ce s e rv ic e ,
co n ta in eriz e d w it h D ock e r f o r r e p ro d ucib le
d ep lo ym en t
In te g ra te d d ata d rif t m on it o rin g u sin g E vid en tly 
a n d h an d le d m is sin g /u n se en f e atu re s d urin g
in fe re n ce
A ch ie ve d R M SE ≈ 2 8 ,4 94 w it h
R an d om Fore stR eg re sso r v s b ase lin e R M SE ≈
8 7,5 8 0 IT T e ach er ( P ro g ra m min g )
K IB ER on e | J u l 2 0 25 - P re se n t 
Te ach in g p ro g ra m min g
fu n d am en ta ls & a lg orit h m ic
t h in kin g
P yth on -b ase d a u to m atio n
fo r e d uca tio n al w ork flo w s 
So ft w are E n g in eer ( B usin ess
S yste m s / C R M )
Mig So ft | J a n 2 0 23 - O ct 2 0 23 
P ro d uctio n C R M
deve lo p m en t u sin g 1 C
B usin ess l o g ic & d ata
m od elin g
Im pro ve d s y ste m s ta b ilit y
a n d s u p port e d r e lia b le
o p era tio n o f a p ro d uctio n
C R M s y ste m AI- P ow ere d S m art T a sk M an ag er ( D esk to p A pplic a tio n ) 
D eve lo p ed a d e sk to p p ro d uctiv it y a p plic a tio n u sin g 
P yth on a n d P yQ t w it h i n te g ra te d A I- b ase d t a sk
a n aly sis
I n te g ra te d l o ca l L LM s a n d A PI- b ase d m od els w it h
d yn am ic s e le ctio n b ase d o n l a n g uag e, a va ila b ili t y ,
a n d m em ory c o n stra in ts
Im ple m en te d e ff ic ie n t l a zy m od el l o ad in g ( P yT o rc h ,
Safe T e n so rs ) t o r e d uce m em ory u sa g e a n d s ta rtu p
tim e
Desig ned c o n te xt-a w are p ro m ptin g a n d t a sk
a n aly tic s t o g en era te a ctio n ab le p ro d uctiv it y
re co m m en datio n s