Ben je op zoek naar het ontwikkelen van een slimme, schaalbare, snelle en efficiënte toepassing die klassieke en moderne Machine Learning /Deep Learning technologieën combineert? Dan ben je hier aan het juiste adres!
Mijn expertise omvat:
- Deep Neural Networks en hun optimalisatie
- AI/ML/DL toepassingen in Data Analytics
- Realtime objectdetectie (YOLO/SSD/VGG/Mask-RCNN/Faster-RCNN)
- k-Means clustering en k-NN gebaseerde data-analyse
- Ontwikkeling, optimalisatie en training van aangepaste Deep Learning modellen
- Transfer learning
- Natural Language Processing (NLP)
- Support Vector Machines (SVM)
- Principal Component Analysis (PCA)
- Lineaire / Logistieke regressie, Random Forest, Decision Trees en Naive Bayes
Libraries / Frameworks:
- numpy, Pandas, scikit-learn, TensorFlow, Keras, PyTorch, statsmodels, nltk, OpenCV, Detectron2, Dlib.
Tools:
- Jupyter, Colab, Docker, SageMaker, AWS, Git, GitHub.
Talen: