Vinay C.
Machine Learning Engineer
Han har designet, udviklet og implementeret store AI-systemer til anomali detektion, defekt overvågning og dokumentsøgning, udnyttelse af ekspertise i Python, C ++, PyTorch, TensorFlow, og ONNX.
Vinay har uddannet milliard-parameter modeller, optimeret computer vision rørledninger til low-power enheder, og mentored globale machine learning teams, fremme teknisk ekspertise og innovation.
Han broer kløften mellem forskning og produktion, kombinerer dyb teknisk ekspertise med strategisk lederskab til at levere skalerbare, høj effekt AI løsninger, der fremmer organisatoriske kapaciteter.
Hovedekspertise
Python8 år
Machine Learning8 år
C++8 årErfaring7
Member of Technical Staff (MTS) Engineer
- Designet og optimeret adfærdsmæssige modellering rørledninger til ML operatør kerner såsom GEMMs med FP32/FP16/BF16 præcision og nonlineareariteter, sikre nøjagtig validering af systemniveau forud for implementering af hardware.
- Forbedret CARF (Compute Architecture Reference Flow) for at forbedre ONNX graf manipulation, strømlining data ekstraktion, graf partitionering og arbejdsbelastning analyse for arkitektur simuleringer.
- Samarbejdet med hardware arkitekter og compiler teams til at evaluere performance flaskehalse og foreslå optimeringer til beregning og hukommelse trade-offs.
- Automatiseret afprøvning og benchmarking af rørledninger til validering af arkitektoniske forbedringer mod ML-arbejdsbelastninger i den virkelige verden.
- Bidragede til at designe diskussioner om næste generation AI acceleratorer, tilpasse software arbejdsgange med silicium arkitektur.
PythonC++Machine Learning
TensorRTTechnical Project Manager (Part-time, alongside MLE role)
- Koordinerede tværfunktionelle teams af over 30 ingeniører og data-forskere til at tilpasse AI-initiativer til Intel ‘ s fab drift strategi.
- Etablerede smidige arbejdsgange – herunder scrum boards, sprint anmeldelser, og backlog management – for at forbedre projektsynligheden og reducere forsinkelser.
- Definerede projekt køreplaner for anomali detektion, OCR, og computer vision løsninger, sikre on-time levering af produktions-klar systemer.
- Serveres som forbindelsesled mellem interessenter, ingeniører og ledelse, der omsætter forretningsmæssige krav til tekniske milepæle.
- Overvåger implementeringen af AI-løsninger på tværs af flere fabs over hele verden, styring af afhængigheder og strategier for risikobegrænsning.
- Leverede kvartalsvise rapporter til ledende ledelse med detaljerede oplysninger om ROI, adoptionsmålinger og operationelle virkninger.
Project Management
Jira
Agile
Scrum
Product
Team LeadingMachine Learning Engineer
- Bygget og implementeret Unified Knowledge Platform (UKP)—et AI-drevet søgesystem, der indtog fabriksdokumentation (PDF, Word, Excel, PowerPoint, OCR billeder og Intel-specifikke formater)—forbedre viden hentning tid med 60%.
- Udviklede brugerdefinerede autokoderbaserede anomali-detektionsmodeller for wafer billeddata, implementeret i skala på Intels interne sky, hvilket reducerer falske negativer i defekt detektion.
- Oprettede computervisionsløsninger til detektering af defekter i realtid (herunder overvågning af laserskader) med automatiserede alarmer, forbedring af overvågning af udbyttet.
- Designet og leveret en kodefri objektdetekteringsplatform, der gør det muligt for ingeniører uden ML baggrunde at træne og implementere modeller gennem en intuitiv brugergrænseflade.
- Skaleret flere beviser for koncept (OCR, billede syning, visuel søgning) i produktionssystemer opererer i Intel fabs over hele verden.
- Udviklet og lanceret Intelidays, en ferie management portal for omkring 6.500 fab medarbejdere, fuldt ud erstatte manuelle regneark arbejdsgange.
- Offentliggjort og fremlagt to fagfællebedømte abstraktioner ved IMEC 2022, der blev accepteret på en meget konkurrencedygtig intern konference (1% acceptsats).
- Serveret som teknisk mentor til junior ingeniører, vejlede dem i ML model udvikling, pipeline design, og cloud implementering.
Python
TensorFlow
OpenCV
PyTorchMachine Learning
Mentor (Machine Learning & AI)
- Mentored over 150 studerende over hele verden i AI Nanodegree programmer, der dækker maskinlæring, dyb læring og computer vision.
- Gennemførte kodeanmeldelser, projektevalueringer og karrierevejledning til at hjælpe studerende med at opfylde branchestandarderne.
- Designet personlig læring køreplaner for kæmper studerende, forbedre graduering satser med 40%.
- Leveret 1:1 sessioner og gruppeworkshops fokuseret på praktiske ML implementering og debugging teknikker.
- Anerkendt som en Top Mentor for at opretholde høje ratings og fremme konsekvent studerende succes historier.
PythonMachine Learning
Content ManagementIncubator Manager (Part-time)
-
Supported 8 innovation projects from ideation to prototype, including edge-based video analytics, low-power surveillance, and wearable AI.
-
Facilitated hackathons and workshops, fostering a culture of innovation among engineers and researchers.
-
Provided technical guidance on deep learning model compression, quantization, and inference optimization.
-
Successfully transitioned 3 incubator projects into Intel R&D pipelines, influencing product roadmaps.
-
Reported directly to senior architecture leaders on incubation outcomes, technical feasibility, and future directions.
Project Management
PrototypingTeam Leading
Mentor (AI & Data Science)
-
Supported mid-career professionals transitioning into data science and ML roles.
-
Provided hands-on guidance in Python, SQL, TensorFlow, and ML pipelines.
-
Helped students build portfolio-ready projects, including NLP apps, recommender systems, and computer vision models.
-
Conducted mock technical interviews and shared hiring best practices for FAANG-level interviews.
-
Improved mentees’ job placement outcomes by accelerating project readiness and interview confidence.
Python
SQL
Data ScienceTensorFlowMachine LearningContent ManagementDeep Learning Engineer
- Udforsket og implementeret en Siamese CNN-rørledning til relativ anslåelse mellem 3D-voxel-net at opnå en reduktion i hukommelsesforbruget på 90 % i forhold til traditionelle metoder.
- Publiceret forskning på ICRA 2019 med titlen “End-to-End Relative Pose Estimation of Point Clouds and Voxel Grids.”
- Udviklet et objekt detektionssystem optimeret til Movidius Myriad-X VPU, støtte over 200 objektklasser på LPIRC 2019, og demonstrerede state-of-the-art ydeevne på low-power hardware.
- Udviklet en standalone lav-effekt IP-kamera prototype med MIPI capture, JPEG-komprimering, neurale inferens (via OpenVINO) og HTTP-streaming, der senere anvendes som reference design for kant AI-applikationer.
- Samarbejdet med compiler og firmware ingeniører til at sikre neurale arbejdsbyrder blev effektivt kortlagt på Movidius VPU'er.
- Bidragede til tidlig prototyping af næste generation indlejrede AI-processorer, med fokus på balanceringsnøjagtighed, gennemløb og effekteffektivitet.
PythonC++TensorFlow
Openvino
Embedded Systems
Computer VisionIngeniørmæssig fremragendehed
Alle Machine Learning Engineerer, der har ansøgt til Proxify, får en score fra 0 til 300 på teknisk dygtighed, en af de fem parametre, vi evaluerer. Denne score afspejler kun teknisk dygtighed baseret på interviews, hjemmeopgaver, live kodningssessioner og/eller vurderinger af præstationer på jobbet. Kurven viser, hvordan alle evaluerede Machine Learning Engineerer er fordelt over dette interval, hvor vores acceptgrænse for denne parameter ligger, og hvor Vinay står.
Score 205 · Top 6% of engineers
Uddannelse
Stop med at søge.
Bliv matchet hurtigere.
Tal med en ekspert og få skræddersyede matches fra vores netværk på kun 2 dage.
Få adgang til over 6.000+ eksperter
Få matchet med en udvikler på gennemsnitligt 2 dage
Ansæt hurtigt og nemt med 94 % matchsuccess