Krishna Sai Vootla，印度卡纳塔克邦班加罗尔的开发商
Krishna is available for hire
Hire Krishna

Krishna Sai Vootla

Verified Expert  in Engineering

机器学习开发人员

Location
印度卡纳塔克邦的班加罗尔
Toptal Member Since
October 31, 2019

Krishna是一名机器学习工程师，他对深度学习在计算机视觉中的应用充满好奇和热情, NLP, 强化学习. 他在机器学习方面有四年的经验, 包括曾在摩根大通的分析部门工作 & Co. 他是一个伟大的沟通者和热情的开发人员.

Code ReviewMachine LearningPythonPython 3SQL人工智能(AI)AlgorithmsDeep Neural NetworksDeep LearningData AnalyticsData Reporting探索性数据分析统计数据分析Statistical LearningAnalytics

Portfolio

Organifi (via Toptal)
Python 3，自然语言处理(NLP)， GPT...
JP Morgan Chase & Co
Tableau, Python, R，代码审查，源代码审查，SQL，机器学习
Tredence Analytics
Tableau, R, Python，面试，源代码审查，任务分析...

Experience

Python - 5 years机器学习- 4年Keras - 3 yearsDeep Learning - 3 years自然语言处理(NLP) - 2年GPT - 2 years生成预训练变形金刚(GPT) - 2年计算机视觉- 2年

Availability

Part-time

Preferred Environment

PyCharm, Tableau, RStudio, Spyder, Jupyter Notebook, SQL，机器学习，Python

The most amazing...

...我的成就是在上海举办的英特尔ESDC竞赛中获得全球三等奖, China.

Work Experience

Data Scientist

2020 - PRESENT
Organifi (via Toptal)
  • 开发并部署了一个NLP管道来提取和总结来自客户产品评论的意见和反馈.
  • 在AWS和GCP中为报告和分析数据仓库构建数据管道.
  • 通过确定关键指标，在Tableau中构建了许多执行摘要仪表板，以跟踪特定于各个团队的目标.
Technologies: Python 3，自然语言处理(NLP)， GPT, 生成预训练变压器(GPT), Sentiment Analysis, Data Analytics, BigQuery, Google Cloud Functions, Google Cloud, Tableau, Tableau Desktop Pro, MySQL, 亚马逊网络服务(AWS), AWS Lambda, Amazon RDS, Data Science, Technical Hiring, Code Review, Interviewing, Source Code Review, SQL, Machine Learning, Python, Deep Learning

Analyst

2019 - 2019
JP Morgan Chase & Co
  • 在R Shiny中为信用卡业务设计并构建了下一代商家获取工具.
  • 提供信用卡业务的定价分析.
  • 建立并整合了基于客户统计数据的最低收入模型.
技术:Tableau, Python, R，代码审查，源代码审查，SQL，机器学习

Business Analyst

2018 - 2019
Tredence Analytics
  • 利用随机森林对零售顾客进行购物行为分割.
  • 设计、构建和部署端到端机器学习管道.
  • 对美国一家领先的零售公司进行营销分析.
Technologies: Tableau, R, Python，面试，源代码审查，任务分析, Data Science, SQL, Machine Learning

Software Analyst

2017 - 2018
Capgemini
  • 抓取网站上的非结构化数据.
  • 创建和部署各种执行摘要仪表板.
  • 自动数据清理管道，每周节省大量工时.
技术:Python, MySQL, Linux，任务分析

语义分割的多模态全卷积网络

http://github.com/prml615/prml
使用RGB和nir_color输入图像训练对森林场景图像进行语义分割的全卷积网络(FCN-32s).

该项目是为了帮助无人机顺利导航而开发的. 该模型在森林场景的静态图像上进行了训练和测试.

我使用英特尔Edison和微软Kinect来验证概念和创建原型.

Smart Medical Network

我参与了英特尔ESDC 2016上海智能医疗网络的研究. 该项目旨在创建一个医疗网络生态系统，存储患者的临床和实时数据，以便在紧急情况下更顺利、更快速地进行诊断.

Languages

SQL, Python, Python 3, R, c++， C，嵌入式C

Paradigms

Data Science

Other

Freelancing, Machine Learning, Technical Hiring, Code Review, Source Code Review, Algorithms, Neural Networks, Deep Neural Networks, Deep Learning, Computer Vision, 自然语言处理(NLP), Data Analytics, Data Reporting, 探索性数据分析, 统计数据分析, Statistical Learning, Statistical Modeling, Analytics, Predictive Analytics, Statistical Analysis, Data Analysis, 人工智能(AI), 人工神经网络(ANN), Interviewing, Task Analysis, GPT, 生成预训练变压器(GPT), Chatbots, 最小可行产品(MVP), APIs, Quantitative Analysis, Sentiment Analysis, Google Cloud Functions, Amazon RDS

Frameworks

RStudio Shiny，微软Kinect

Libraries/APIs

Keras, NumPy, Pandas, Matplotlib, Ggplot2, Scikit-learn, Tidyverse, Beautiful Soup, 标准模板库(STL), SciPy, OpenCV, TensorFlow

Tools

Tableau, Dplyr, Scikit-image, Looker, PyCharm, Jupyter, Spyder, BigQuery, Tableau Desktop Pro

Storage

MySQL，谷歌云，谷歌云存储

Platforms

RStudio, Linux, Oracle, Arduino, Raspberry Pi, Raspberry Pi 3 GPIO, Jupyter Notebook, Anaconda, 亚马逊网络服务(AWS), AWS Lambda

2013 - 2017

电气工程学士学位

印度理工学院甘地纳加尔-甘地纳加尔，印度

MARCH 2020 - PRESENT

Statistical Learning

Stanford Online

OCTOBER 2019 - PRESENT

Python中的情感分析

DataCamp

MARCH 2019 - PRESENT

用Shiny在R中构建Web应用程序:案例研究

DataCamp

MARCH 2019 - PRESENT

用Shiny在R中构建Web应用程序

DataCamp

OCTOBER 2018 - PRESENT

CodeChef认证数据结构 & Algorithms Programme

CodeChef

2018年9月至今

Intermediate R

DataCamp

AUGUST 2018 - PRESENT

使用dplyr在R中进行数据操作

DataCamp

JULY 2018 - PRESENT

Introduction to R

DataCamp

MARCH 2018 - PRESENT

Python A-Z: Python for Data Science with Real Exercises!

Udemy

MARCH 2018 - PRESENT

用于数据分析的MySQL & Business Intelligence

Udemy

FEBRUARY 2018 - PRESENT

构建机器学习项目

Coursera

有效的合作

如何使用Toptal

在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.

1

Share your needs

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2

Choose your talent

在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3

开始你的无风险人才试验

与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.

对顶尖人才的需求很大.

Start hiring