Damian

• Ontwerp en lever maatwerk AI-oplossingen voor startups en bedrijven, die de volledige levenscyclus bestrijken, van probleemdefinitie tot implementatie in productie. • Bouw en optimaliseer LLM-gebaseerde systemen, waaronder chatbots, code-assistenten en domeinspecifieke kennisagenten. • Ontwikkel multimodale generatieve AI-applicaties (tekst, beeld, audio, video) met realtime prestatie-eisen. • Ontwerp schaalbare cloudgebaseerde ML-pipelines, die training, inferentie, monitoring en CI/CD integreren.

• Grote taalmodellen (Llama, Falcon en GPT-gebaseerde varianten) verfijnd voor kennismanagement binnen de onderneming, interne chatbots en documentsamenvatting, waardoor de handmatige beoordelingsinspanning voor operationele rapporten en data aanzienlijk werd verminderd. • Een MLOps-framework ontworpen en geïmplementeerd met MLflow, Apache Airflow en GitHub Actions, waardoor de implementatiecyclus van modellen van circa 2 weken naar 3 dagen werd verkort, terwijl de reproduceerbaarheid, traceerbaarheid en samenwerking binnen het team werden verbeterd. • Een multidisciplinair team van 5 junior ontwikkelaars en datawetenschappers aangestuurd, waarbij codebeoordelingen, begeleiding bij prestatieoptimalisatie en workshops over best practices voor AI en verantwoord AI-gebruik werden verzorgd.

• Samengewerkt met DevOps-engineers om ML-modellen te implementeren en te containeriseren op AWS, waarbij de overstap werd gemaakt van EC2-instances naar Docker-omgevingen voor verbeterde reproduceerbaarheid en schaalbaarheid. • Bijgedragen aan de continue verbetering van voorspellende modellen ter ondersteuning van donoranalyses, automatiseringsfuncties en operationele efficiëntie binnen het AI-gestuurde fondsenwervingsplatform. • Ondersteuning geboden bij de end-to-end ontwikkeling van productiegereedde functionaliteiten, waarbij de backend ML-logica werd gekoppeld aan frontend-API's en gebruikerservaringen.

• Ontworpen en geïmplementeerd pijplijnen voor feature-extractie en -voorverwerking met behulp van NumPy, OpenCV en scikit-learn, waarbij computervisie en voorspellende analyses rechtstreeks werden geïntegreerd in de API's en gebruikersinterfaces van het fondsenwervingsplatform. • Gebouwd dashboards voor modelverklaarbaarheid met SHAP en Plotly om AI-uitkomsten te visualiseren, waardoor het vertrouwen van belanghebbenden in voorspellende analyses en donorgerelateerde inzichten werd vergroot.

• Samengewerkt met verkoopteams om verkopers te werven en initiatieven voor partneracquisitie te ondersteunen. • Geholpen bij de ontwikkeling van interne tools om workflows voor het zoeken in en openen van lokale databases te automatiseren.