Petar S.
Machine Learning Engineer
Petar has worked on a wide variety of use cases as a Machine Learning engineer including Deep Learning algorithms for Optical Character Recognition (OCR) and Intelligent Word Recognition (IWR) for signature recognition, and recurrent neural network approach to improve the air quality index prediction. Petar er en passioneret forsker med 4 års erhvervserfaring. Han er en meget ansvarlig og hårdtarbejdende person med gode organisatoriske evner. Petar har arbejdet på en lang række forskellige use cases som Machine Learning engineer, herunder Deep Learning-algoritmer til Optical Character Recognition (OCR) og Intelligent Word Recognition (IWR) til signaturgenkendelse og recurrent neural netværkstilgang til forbedring af forudsigelser af luftkvalitetsindekset.
Et udvalg af Petars videnskabelig publikationer:
[1] P. Sekulić, M. Bajčeta, and S. Djukanović, “Retinal blood vessels segmentation using support vector machine and modified line detector,” in Informacione tehnologije 2017 -sadašnjost i budućnost, pp. 185–188, 2017.[2] P. Sekulić, S. Djukanović, and I. Djurović, “Detection of downy mildew in grapevine leaves using support vector
machine,” in Zbornik radova: Informacione tehnologije 2016, pp. 169–172, 2016.
[3] M. Bajčeta, P. Sekulić, S. Djukanović, T. Popovic, and V. Popović-Bugarin, “Retinal blood vessels segmentation
using ant colony optimization,” in 2016 13th Symposium on Neural Networks and Applications (NEUREL), pp. 1–6,
IEEE, 2016.
[4] F. Cassano, A. Casale, P. Regina, L. Spadafina, and P. Sekulić, “A recurrent neural network approach to improve
the air quality index prediction,” in International Symposium on Ambient Intelligence, pp. 36–44, Springer, 2019.
[5] M. Bajčeta, P. Sekulić, B. Krstajić, S. Djukanović, and T. Popović, “A private iot cloud platform for precision agriculture and ecological monitoring,” in International Conference on Electrical, Electronic and Computing Engineering (IcETRAN), 2016.
[6] E. Hot and P. Sekulić, “Compressed sensing mri using masked dct and dft measurements,” in 2015 4th Mediterranean Conference on Embedded Computing (MECO), pp. 323–326, IEEE, 2015.
Hovedekspertise
Andre færdigheder
Python 3 år
PHP 2 år
TensorFlow 2 år
Udvalgt oplevelse
Beskæftigelse
Machine Learning Scientist
Fleka - 1 år 1 måned
- Arbejde på en machine-learning-algoritme for at skabe en intelligent billeddatabase.
- Arbejder på implementering af Elasticsearch til avisportalerne “Pobjeda” og “Analitika” og Montenegros regerings officielle hjemmeside.
Teknologier:
- Teknologier:
ElasticSearch
Softwareudvikler
Robot Code - 8 måneder
- Arbejdet på udviklingen af to informationssystemer. Det ene er til bestilling og levering af mad, mens det andet er til skemaplanlægning i skønhedssaloner i Montenegro.
Teknologier:
- Teknologier:
Python
Machine Learning Engineer
Omnitech MNE - 1 år 5 måneder
- Arbejdede på et Machine Learning-system på SeVaRA-projektet. SeVaRA integrerer etR&D-projekt, der har til formål at definere et innovativt system til beregning af et aggregeret miljørisikoindeks, der er afledt af flere parametre, som er opsummeret her:
- risiko for konsekvenser af meget kortvarige vejrbegivenheder;
- risiko for geo-location i henhold til historiske data;
- risiko i forbindelse med ustabilitet i jordbunden eller fremstillede varer.
Machine Learning Engineer
Datum Solutions - 11 måneder
- Udvikling af et Machine Learning-system til genkendelse af signaturer;
- Udvikling af Deep Learning-algoritmer til Optical Character Recognition (OCR) og Intelligent Word Recognition (IWR).
Full-stack Developer
Fleka - 3 måneder
- Developing web applications for a bank.
Teknologier:
- Teknologier:
PHP
JavaScript
Laravel
Angular.js
Machine Learning Researcher
Faculty of Electrical Engineering - 1 år 6 måneder
- Har arbejdet på forskellige Machine learning-systemer. Nogle af hans projekter var segmentering af blodkar i nethinden og detektering af dunet meldug i vinblade.
Teknologier:
- Teknologier:
Python
TensorFlow
Uddannelse
MSc.Machine Learning
Faculty of Electrical Engineering in Podgorica · 2011 - 2017
Find din næste udvikler inden for få dage, ikke måneder
Vi kan hjælpe dig med at levere dit produkt hurtigere med en erfaren fjern-programmør. Alt fra 239 kr/time. Du betaler kun, hvis du er tilfreds med den første uge.
I løpet av en kort 25-minutters samtale ønsker vi å:
- Forstå dine utviklingsbehov
- Forklare prosessen vår der vi matcher deg med kvalifiserte, evaluerte utviklere fra vårt nettverk
- Dele de neste stegene for å finne riktig match, ofte på mindre enn en uke
Den første udvikler starter inden for få dage. Ingen aggressiv salgstale.