About Me

Letakkan foto Anda di: assets/profile.jpg

Hi I’m Faq

Building & deploying LLM-powered applications

RAG Systems Agentic AI Fine-Tuning vLLM Inference

PORTFOLIO

Tools & Stack

Language:

Production System Live

Kapas AI — Multimodal Platform

Platform AI pemerintahan berskala penuh: serving Qwen3.5-9B via vLLM dengan kuantisasi memori 95%, Two-Stage Hybrid RAG (Qdrant), dan 8k memory context.

MLOps Platform Medical AI

Endoscopic Diagnostics MLOps

Jembatan riset ConvNeXt ke standar produksi: DVC dataset versioning, MLflow experiment tracking, serta inference API berlatensi <600ms.

Automated Analytics Time-Series & NLP

Fiscal Forecasting & Sentiment Radar

Peramalan 12 pos pajak daerah (SARIMA) dan pipeline scraping multi-platform otomatis dengan dual-model batch sentiment (Gemini + IndoBERT).

CONTACT ME:

CAREER & ACADEMIC PATH

Experience & Education

Perjalanan rekayasa sistem AI, riset model bahasa besar (LLM), dan fondasi akademis ilmu komputer.

Experience 2025 — Present

Currently Working Here (Active) Jan 2026 — Present

AI Engineer

Dinas Komunikasi dan Informatika Kab. Pasuruan • Pasuruan, Indonesia

Merancang dan membangun siklus penuh Kapas AI (ai.pasuruankab.go.id), platform AI multimodal tingkat pemerintahan berskala produksi, mulai dari provisioning bare-metal GPU server, Linux sysadmin, model serving, hingga frontend delivery.

Mendeploy & mengoptimasi Qwen3.5-9B via vLLM dengan BitsAndBytes quantization, mempertahankan efisiensi 95% GPU memory utilization.
Membangun Two-Stage Production RAG menggunakan Qdrant, BGE-M3 hybrid embeddings, dan BGE reranker dengan ekstraksi multi-dokumen (PDF/DOCX/TXT) serta sliding-window memory (8k context).
Mengembangkan microservices FastAPI (Python 3.12) asinkron dengan real-time SSE streaming, OpenAI-compatible API gateway, forecasting pajak daerah (SARIMA), dan automated social media intelligence (Apify + Gemini + IndoBERT).

Python vLLM Qwen 3.5 FastAPI Qdrant PostgreSQL Docker PyTorch

Corporate Internship Jul 2025 — Aug 2025

Operational Excellence Intern

PT Ajinomoto Indonesia • Mojokerto, Indonesia

Mengumpulkan, mengonsolidasikan, dan menganalisis data operasional internal manufaktur untuk mendukung pelaporan manajemen dan efisiensi alur kerja operasional.

Mereduksi proses pelaporan manual dan berbasis kertas sebesar ~60% melalui inisiatif transformasi digital sistematis.
Menyusun laporan analitik terstruktur dan ringkasan data berkala untuk memfasilitasi evaluasi kinerja manajemen eksekutif.

Digital Transformation Operational Data Workflow Optimization Data Structuring Reporting

↓ Transisi: Fondasi Akademis Ilmu Komputer & Riset ke Rekayasa AI Produksi

Education 2022 — 2026

Bachelor's Degree • GPA 3.62 / 4.0 Aug 2022 — Dec 2025

Bachelor of Computer Science (S.Kom)

UIN Maulana Malik Ibrahim Malang • Malang, Indonesia

UIN MALANG 2025

SKRIPSI S.KOM

DEEP LEARNING & CV

M. FAQIH

Bachelor's Capstone Thesis Defended • S.Kom

Segmentasi Zebra Cross yang Efisien dan Kuat di Bawah Cuaca Buruk Menggunakan DeepLabv3 Berbasis ConvNeXt

Riset skripsi sarjana yang mengeksplorasi arsitektur ConvNeXt sebagai backbone ekstraksi fitur pada DeepLabv3+ untuk segmentasi semantik zebra cross yang tangguh di bawah kondisi cuaca ekstrem (hujan deras, kabut, dan minim cahaya).

View Full Thesis (.pdf) Diterbitkan di Jurnal Ilmiah (JIKI) → Lihat Paper

Meraih IPK 3.62 / 4.0 dengan penguasaan kuat pada Computer Vision, Deep Learning, Distributed Systems, Data Science, dan NLP.
Vice President — Data Science Enthusiast Community (DSEC UIN Malang), memimpin workshop teknis ML dan komunitas mahasiswa (Sep 2024 — Jul 2025).
Merancang platform End-to-End MLOps dengan DVC, MLflow tracking, dan FastAPI inference API (<600ms latency) untuk menghubungkan riset ke standar industri.

Computer Vision Deep Learning MLOps PyTorch Distributed Systems Algorithms

Verified Credentials 2024 — 2026

Professional Certifications in Data Science & MLOps

Kementerian Kominfo RI & Dicoding / Lintasarta • National & Industry Credentials

Sertifikasi kompetensi resmi yang memvalidasi keahlian praktis dalam analisis data tingkat lanjut serta operasionalisasi machine learning berskala industri (MLOps).

Associate Data Scientist — Sertifikasi Kompetensi Nasional, Kementerian Komunikasi dan Informatika RI (Februari 2026).
Machine Learning Operations (MLOps) with Cloudeka — Dicoding Indonesia & Lintasarta Cloudeka (September 2024).

Associate Data Scientist MLOps Kominfo RI Cloudeka MLflow

Production AI & Deep Learning Systems

Featured Projects

Sistem AI tingkat produksi, platform MLOps berskala industri, dan peramalan data cerdas yang dirancang dari level infrastruktur hingga deployment nyata.

Production AI Platform Government Scale Live in Production

Kapas AI — Government-Grade Multimodal Platform

Dinas Komunikasi & Informatika Kab. Pasuruan • End-to-End Multimodal AI Lifecycle

System Architecture & Production Pipeline ENV: Bare-Metal Linux GPU

Bare-Metal GPU

Linux Sysadmin

→

                    
vLLM Inference
Qwen3.5-9B (BnB Qnt)

→

Two-Stage RAG

Qdrant + BGE-M3 + Reranker

→

FastAPI Microservices

Real-Time SSE Stream

95% GPU VRAM Utilization

8,192 Token Sliding Context

2-Stage Hybrid Vector Retrieval

SSE Low-Latency Streaming

Infrastruktur & Serving

Provisioning server GPU bare-metal Linux mandiri, melayani Qwen3.5-9B via vLLM dengan kuantisasi BitsAndBytes half-precision untuk efisiensi komputasi ekstrem.

Two-Stage RAG & Memory

Ekstraksi multi-format (PDF, DOCX, TXT) otomatis dengan Qdrant hybrid vector embeddings (BGE-M3) dan BGE cross-encoder reranker, dipadu sliding-window memory auto-summarization.

High-Concurrency Gateway

Microservices FastAPI asinkron (Python 3.12) dengan OpenAI-compatible API gateway, rate-limiting sliding-window, database PostgreSQL (SQLAlchemy 2.x), dan streaming SSE real-time.

vLLM Qwen3.5-9B Qdrant Vector DB FastAPI Two-Stage RAG BGE-M3 PostgreSQL Docker

MLOps Platform Clinical AI

End-to-End MLOps Platform for Endoscopic Diagnostics

Automated Pipeline for GERD & Polyp Detection with Clinical Reproducibility

<600ms Inference Latency

12 Clinical Scenarios

100% Traceability

Mentransformasi eksperimen riset deep learning (12 skenario klasifikasi endoskopi menggunakan arsitektur modern ConvNeXt) menjadi sistem MLOps siap produksi. Dilengkapi versioning dataset DVC, tracking eksperimen MLflow, dan kontainerisasi API FastAPI untuk integrasi klinis.

DVC MLflow FastAPI ConvNeXt Docker PyTorch

Forecasting & NLP Public Sector

Automated Daemon

Regional Fiscal Forecasting & Sentiment Intelligence Engine

Automated Time-Series Modeling & Multi-Platform Social Media Narrative Radar

12 Tax Categories

~95% Worker Success

300+ Posts / Cycle

Layanan peramalan fiskal 12 pos pajak dan 24 kecamatan menggunakan SARIMA dan Damped Holt's Linear Trend otomatis (evaluasi sMAPE/MAE). Terintegrasi dengan pipeline scraping Instagram, TikTok, dan Facebook (Apify SDK) serta klasifikasi sentimen batch dual-model (Google Gemini & IndoBERT).

SARIMA Time-Series Google Gemini IndoBERT APScheduler Apify

Mencari Arsip Proyek Lainnya?

Lihat katalog lengkap yang mencakup eksperimen riset deep learning, modul computer vision, otomasi backend, dan repositori open-source lainnya.

View All Projects Archive ↗

Peer-Reviewed Scientific Research

Research & Publications

Publikasi artikel ilmiah terindeks di jurnal nasional terakreditasi, berfokus pada arsitektur deep learning modern, computer vision tahan cuaca ekstrem, dan diagnostik citra medis.

JIKI • Vol. 19 No. 2 (2026) DOI: 10.21609/jiki.v19i2.1757

Peer-Reviewed Paper

Efficient and robust crosswalk segmentation under adverse weather using ConvNeXt-enhanced DeepLabv3

Muhammad Faqih, R. A. Rahman, K. F. H. Holle

Mengusulkan integrasi backbone ConvNeXt pada DeepLabv3+ untuk meningkatkan efisiensi komputasi dan ketahanan segmentasi semantik zebra cross pada kondisi jalanan ekstrem (hujan lebat, kabut tebal, dan pencahayaan rendah) untuk sistem persepsi autonomous driving.

DeepLabv3+ ConvNeXt Semantic Segmentation Computer Vision Adverse Weather PyTorch

JIKI • Vol. 19 No. 2 (2026) DOI: 10.21609/jiki.v19i2.1702

Peer-Reviewed Paper

A ConvNeXt-based deep learning framework for endoscopic image classification in GERD and polyp detection

Muhammad Faqih, O. Q. Aziz, A. Hanani

Merancang kerangka kerja deep learning berbasis transfer learning ConvNeXt untuk klasifikasi otomatis citra endoskopi gastrointestinal, membedakan GERD dan polip dengan 12 skenario eksperimen klinis komparatif berstandar diagnostik.

Medical AI ConvNeXt Endoscopic Vision GERD & Polyp Transfer Learning MLOps