Neda Heidary

• Verbesserung und Optimierung des Bewertungsprozesses für Machine Learning Models, was zur Reduzierung der Entwicklungszeit führte • Erkennung von Model Degradation und Durchführung automatisierter Fehlerbewertungen für aktive Modelle • Entwicklung eines Fehleranalyse-Tools zur Verringerung des Fehleranalyseaufwands • Sicherstellung der Kundenanforderungen nach Model Training Phase • Ansprechpartner zur Identifizierung und Durchführung von Fehlerbehebungen sowie Fehlerdiagnose von Modellen

• Designing Video Codecs, involving deep learning models • Implementing Video Codecs in Python with Tensorflow library • Modifying Video codecs by making use of context and attention models

• Einschätzung der Sprachverständlichkeit mithilfe eines Deep- Learning-Modells (WaveNet) und Entropieschätzung • Analyse von Daten

• Implementierung eines DICOM-Konvertierungstools in Python • Erstellung eines Unit-Tests • Fehlerbehebung und Verbesserung des Tools