Alex T.

Machine Learning Engineer

Alex hat einen Ph.D. in Machine Learning und verfügt über mehr als 7 Jahre professionelle Berufserfahrung in ML und Informatik.

Er hat als Ingenieur für Machine Learning bei Unternehmen wie Bosch und Samsung mit Anwendungsfällen in den Bereichen Computer Vision und Deep Learning gearbeitet.

Hauptkompetenz
  • NumPy
    NumPy 7 Jahre
  • Python
    Python 7 Jahre
  • C++
    C++ 3 Jahre
Andere Fähigkeiten
  • TensorFlow
    TensorFlow 4 Jahre
  • Pandas
    Pandas 4 Jahre
  • Caffe
    Caffe 3 Jahre

Ausgewählte Erfahrung

Beschäftigung

  • Senior Machine Learning-Ingenieur

    Virtual Control - 2 jahre

    • Entwicklung einer Lösung für Computer Vision zur Sendungsverfolgung in der Lieferkette.
    • Entwicklung eines Algorithmus zur Schätzung der menschlichen Haltung basierend auf Deep-Learning-Technologien.
    • Entwicklung von Menschenerkennung, One-Camera-Tracking, Multi-Camera-Tracking, Re-Identifikationsalgorithmus.
    • Die Genauigkeit der anfänglichen Open-Source-Lösung wurde um 26 % erhöht und die Inferenzzeit um 50 % verringert.
    • Entwarf eine Architektur für Lösung der Computer Vision.
    • Verbesserte die Geschwindigkeit des Systems von 1 Frame-per-Second auf 10 Frames-per-Second auf 4 CPUs (ohne GPU-Nutzung) ohne Genauigkeitsverlust.
    • Leitete ein Team der drei ML- und Software-Ingenieure im Projekt.

    Technologien:

    • Technologien:
    • NumPy NumPy
    • Python Python
    • Caffe Caffe
    • C++ C++
    • Kotlin Kotlin
    • OpenCV OpenCV
    • TensorFlow TensorFlow
    • Openvino Openvino
    • Kubeflow Kubeflow
  • Senior Software-Ingenieur

    Occipital - 10 monate

    • Entwicklung von ROS- und ROS2-Treibern für RGB-D-Kameras.

    Technologien:

    • Technologien:
    • C++ C++
  • Senior Machine Learning-Ingenieur

    Samsung R&D Institute - 1 jahr 3 monate

    • Entwicklung eines simultanen Lokalisierungs- und Mapping-Algorithmus (SLAM) für ein autonomes Fahrzeug.
    • Entwicklung eines Algorithmus zur Objekterkennung für ein autonomes Fahrzeug basierend auf Deep-Learning-Technologien.
    • Entwicklung eines Algorithmus zur Verkehrszeichenerkennung für ein autonomes Fahrzeug basierend auf Deep-Learning-Technologien.
    • Verbesserte die Genauigkeit der ursprünglichen Open-Source-Lösung um 5 % durch Zusammenführung von Kamera- und LIDAR-Daten.
    • Die Genauigkeit der ursprünglichen Open-Source-Lösung wurde um 20 % verbessert und die Inferenzgeschwindigkeit wurde durch die Neugestaltung der neuronalen Netzwerkarchitektur sowie eine verbesserte Trainingsstrategie um 30 % verringert.

    Technologien:

    • Technologien:
    • NumPy NumPy
    • Python Python
    • Caffe Caffe
    • C++ C++
    • Keras Keras
    • OpenCV OpenCV
    • TensorFlow TensorFlow
  • Machine Learning-Ingenieur

    PrivatBank - 7 monate

    • Entwicklung einer Lösung für Computer-Vision für eine automatische Personenerkennung und Personenzählung.

    Technologien:

    • Technologien:
    • NumPy NumPy
    • Python Python
    • Caffe Caffe
    • XGBoost XGBoost
  • Software-Ingenieur

    LightIt - 10 monate

    • Entwicklung einer Webanwendung mit Datenanalysetools.

    Technologien:

    • Technologien:
    • Python Python
  • Mathematik-Ingenieur

    JSC Zaporizhstal - 1 jahr 9 monate

    • Entwicklung eines Modells der Gasrückführung im Sinterofen und dessen Implementierung in die Steuerung.
    • Entwicklung eines Systems zur Informationsbeschaffung über alle Kosten der Ressourcen in einer Anlage.

    Technologien:

    • Technologien:
    • Python Python
    • SQL SQL
    • MSSQL MSSQL
    • C++ C++

Ausbildung

  • Dr. Phil.Machine learning

    Taras Shevchenko Nationale Universität von Kyiv · 2018 - 2022

  • MSc.Machine Learning

    Taras Shevchenko Nationale Universität von Kyiv · 2012 - 2014

  • BSc.Automatisierung und Computer-integrierte Technologien

    Zaporizhia State Engineering Academy · 2008 - 2012

Finden Sie Ihren nächsten Entwickler innerhalb von Tagen, nicht Monaten

In einem kurzen 25-minütigen Gespräch würden wir gerne:

  • Auf Ihren Bedarf bezüglich des Recruitments von Software-Entwicklern eingehen
  • Unseren Prozess vorstellen und somit wie wir Sie mit talentierten und geprüften Kandidaten aus unserem Netzwerk zusammenbringen können
  • Die nächsten Schritte besprechen, um den richtigen Kandidaten zu finden - oft in weniger als einer Woche

Unterhalten wir uns