Bienvenue sur le profil Malt de Ghassan !
Localisation et déplacement
- Localisation
- Paris, France
- Peut travailler dans vos locaux à
-
- Paris et 50km autour
- Marseille et 100km autour
- Bordeaux et 100km autour
- Périgueux et 100km autour
Préférences
- Durée de mission
-
Préfèrerait :
- ≤ 1 semaine
- ≤ 1 mois
- entre 1 et 3 mois
- entre 3 et 6 mois
Préfèrerait éviter:≥ 6 mois
Vérifications
Charte du freelance Malt signée
Consulter la charte
Influence
Chargement...
Langues
Catégories
Compétences (23)
- BigData
-
Débutant Intermédiaire Confirmé2
- Data Science
-
Débutant Intermédiaire Confirmé2
-
Débutant Intermédiaire Confirmé1
-
Débutant Intermédiaire Confirmé2
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
Ghassan en quelques mots
Je suis le roi des données 👑 et le maître en deep learning, capable de faire chanter les chiffres 🎵 comme si c'était du Mozart.
Avec une formation solide en informatique et une expérience pratique plus grande que les montagnes ⛰️, je peux concevoir et développer des algorithmes de machine learning qui vous laisseront bouche bée 😲.
Et ne vous laissez pas impressionner par mon article publié sur un sujet lié à la data science - je suis simplement trop cool pour être vrai 😎.
En tant que travailleur indépendant, je m'engage à vous offrir des solutions de qualité avec un sourire en coin et un souci du détail à toute épreuve. Vous ne pouvez pas vous tromper en choisissant un génie des données comme moi.
Remarque: c'est ChatGPT 🤖 qui a fait cette description, en réalité je suis beaucoup plus humble 😃
Avec une formation solide en informatique et une expérience pratique plus grande que les montagnes ⛰️, je peux concevoir et développer des algorithmes de machine learning qui vous laisseront bouche bée 😲.
Et ne vous laissez pas impressionner par mon article publié sur un sujet lié à la data science - je suis simplement trop cool pour être vrai 😎.
En tant que travailleur indépendant, je m'engage à vous offrir des solutions de qualité avec un sourire en coin et un souci du détail à toute épreuve. Vous ne pouvez pas vous tromper en choisissant un génie des données comme moi.
Remarque: c'est ChatGPT 🤖 qui a fait cette description, en réalité je suis beaucoup plus humble 😃
Expériences
Veracyte, Inc.
Secteur médical
Data Scientist R&D - Computer Vision & Deep Learning
Mission:
• Design, develop and implement end-to-end Computer vision solutions, from data acquisition to the implementation of image analysis algorithms
• Implementing Neural Network-based AI solutions applied to semantic segmentation problems.
• Training and validation of different Deep Learning models on the available data.
• Design, develop and implement end-to-end Computer vision solutions, from data acquisition to the implementation of image analysis algorithms
• Implementing Neural Network-based AI solutions applied to semantic segmentation problems.
• Training and validation of different Deep Learning models on the available data.
AFMB CNRS UMR7257
Centres de recherche
Machine learning & Bioinformatics Intern
Accomplishements:
- Web scraping and text-data cleaning on the CAZy database.
- Topic modeling with Latent Dirichlet Allocation, designing and implementing multiple Machine learning (SVM, Naive Bayes) and Deep learning (BERT) classifiers with the end goal of automating manual and labor-intensive article biocuration.
- Web scraping and text-data cleaning on the CAZy database.
- Topic modeling with Latent Dirichlet Allocation, designing and implementing multiple Machine learning (SVM, Naive Bayes) and Deep learning (BERT) classifiers with the end goal of automating manual and labor-intensive article biocuration.
Institut de Neurosciences de la Timone
Centres de recherche
Deep learning & Computational Neuroscience Intern
Accomplishements:
- Exploring Spatial Transformer Network-based solutions for bio-inspired computer vision, proposing a new hybrid architecture.
- Implementing a Spatial Transformer Network with PyTorch, benchmark against another biomimetic model on a specifically modified MNIST dataset for visual attention.
- Creating a hybrid between the two architectures and optimising performance on the dataset.
- Exploring Spatial Transformer Network-based solutions for bio-inspired computer vision, proposing a new hybrid architecture.
- Implementing a Spatial Transformer Network with PyTorch, benchmark against another biomimetic model on a specifically modified MNIST dataset for visual attention.
- Creating a hybrid between the two architectures and optimising performance on the dataset.
2 recommandations externes
Consultez les recommandations qu'a reçues Ghassan