Portfolio
Συστήματα που έχω φτιάξει από την αρχή μέχρι το τέλος — RAG υπηρεσίες, RL agents, MLOps pipelines, fine-tuned LLMs. Πρώτα κώδικας, papers όταν χρειάζεται.
Σύστημα Retrieval-Augmented Generation (RAG) σε Python για ερωτοαπαντήσεις πάνω σε έγγραφα. Χτισμένο με FastAPI, HuggingFace transformers και FAISS vector search. Υποστηρίζει PDF, TXT, DOCX και MD, με REST API και web interface σε Streamlit.
Προσέγγιση deep reinforcement learning για τη βελτιστοποίηση της ενεργειακής κατανάλωσης έξυπνων σπιτιών, με παράλληλη αποτροπή συμπεριφορών καρτέλ σε peer-to-peer αγορές ενέργειας. Υλοποιεί DDPG για τη λειτουργία HVAC, τη διαχείριση μπαταρίας και τη στρατηγική τιμολόγησης.
Σύστημα ανίχνευσης κειμένου παραγόμενου από AI, μέσω fine-tuning του Gemma3-4B της Google με βελτιστοποιήσεις Unsloth στο dataset RAID. Ανιχνεύει κείμενο από 11 διαφορετικά LLMs σε πολλαπλά πεδία, με εκπαίδευση αποδοτική σε μνήμη πάνω σε καταναλωτικό hardware.
Pipeline ML έτοιμο για παραγωγή με Kubeflow Pipelines, MLflow και KServe. Καλύπτει ολόκληρη τη ροή MLOps, από τη συλλογή δεδομένων έως το serving του μοντέλου, με παρακολούθηση πειραμάτων, containerized components και infrastructure as code.
Ελαφριά βιβλιοθήκη pruning νευρωνικών δικτύων για μοντέλα PyTorch, χτισμένη πάνω στο Microsoft NNI. Υλοποιεί L1 norm pruning για μείωση του μεγέθους και των υπολογιστικών απαιτήσεων σε edge deployment, διατηρώντας την απόδοση.
Συγκριτική μελέτη αποκεντρωμένων και κεντρικοποιημένων αρχιτεκτονικών federated learning. Επεκτείνει το P2P framework Fedra με σύγκριση έναντι του Flower, ιεραρχικό FL και πειράματα σε συνθετικά και πραγματικά δεδομένα, μεταξύ άλλων πρόβλεψη κυκλοφορίας με LSTM.
Υλοποίηση Deep Q-Network (DQN) για την εκπαίδευση agent που παίζει το κλασικό Snake με reinforcement learning. PyTorch για το νευρωνικό δίκτυο, Gym για το περιβάλλον και Pygame για την απεικόνιση, με πλήρη οπτικοποίηση της εκπαίδευσης.
Framework προσομοίωσης κατανεμημένης διαχείρισης ενέργειας που μοντελοποιεί πολλαπλά οικιακά συστήματα HVAC και μονάδες αποθήκευσης. Αλγόριθμοι reinforcement learning βελτιστοποιούν την κατανομή ενέργειας στο δίκτυο, τηρώντας τους περιορισμούς θερμοκρασίας.
Τα περισσότερα από αυτά ξεκίνησαν με ένα «μπορεί αυτό να αυτοματοποιηθεί;». Πιθανότατα και το δικό σας μπορεί.
