Jorge M.

Machine Learning Engineer

Jorge Muñoz ist ein herausragender Deep-Learning-Forscher und Engineer, der für seine umfassende Expertise in den Bereichen AI und maschinelles Lernen bekannt ist.

In unabhängigen Projekten konnte Muñoz konsequent seine Innovationsfreudigkeit unter Beweis stellen. Zu verschiedenen Projekten leistete er bemerkenswerte Beiträge, u. a. bei der Erstellung von 3D-Welten sowie der Erzeugung von GAN-generierten Bildern.

Muñoz' Leistungen reichen jedoch weit über seine technischen Fähigkeiten hinaus. Der preisgekrönte Akademiker wurde für bedeutende Leistungen gewürdigt. Beispielsweise gewann er bei renommierten Wettbewerben wie Human-Like Bot und 2K BotPrizeg.

Angetrieben von seiner grenzenlosen Begeisterung für AI und Deep Learning ist Muñoz jederzeit bereit, sich mit seiner einzigartigen Kombination aus praktischen Kenntnissen und innovativem Denken in eine zukunftsorientierte Organisation einzubringen, bei der AI und maschinelles Lernen im Mittelpunkt stehen.

Hauptkompetenz

  • TensorFlow
    TensorFlow 8 Jahre
  • PyTorch
    PyTorch 3 Jahre
  • Python
    Python 8 Jahre

Andere Fähigkeiten

  • Docker
    Docker 8 Jahre
  • AWS
    AWS 8 Jahre
  • Google Cloud
    Google Cloud 8 Jahre
Jorge

Jorge M.

Spain

Erste Schritte

Ausgewählte Erfahrung

Beschäftigung

  • Deep-Learning-Ingenieur/Forscher

    Freelance - 5 jahre 10 monate

    • Unabhängige Arbeit an verschiedenen Projekten für eine globale Kundschaft, bei der er mithilfe seiner Expertise in Deep Learning und maschinellem Lernen komplexe Probleme löste und innovative Lösungen entwickelte
    • Design und Implementierung eines Reinforcement-Learning-Systems für die Erzeugung einer virtuellen 3D-Welt mit Unreal Engine und Houdini
    • Entwicklung eines Prototypservices, um zur Verbesserung von Datenschutz und Sicherheit reale Gesichter in Bildern durch GAN-generierte Fake-Gesichter zu ersetzen
    • Erstellung von Preisprognosemodellen unter Einsatz von fortgeschrittenen Techniken wie Wavelets, Transformatoren und Sequenz-zu-Sequenz-Modellen
    • Entwicklung eines Aesthetics Ranking System für Bilder durch die Integration von Deep Learning für eine erhöhte Genauigkeit und Zuverlässigkeit
    • Arbeit an der semantischen Instanzerkennung von 3D-Cloud-Points, was zur Verbesserung der Computer-Vision und Mustererkennung beiträgt

    Technologien:

    • Technologien:
    • Data Science
    • TensorFlow TensorFlow
    • NumPy NumPy
    • Keras Keras
    • Pandas Pandas
    • PyTorch PyTorch
    • Scikit-learn Scikit-learn
    • NLP
    • Machine Learning Machine Learning
    • Houdini Houdini

  • Gründer und CEO/CTO

    Serendeepia - 1 jahr 8 monate

    • Entwicklung und Implementierung innovativer Deep-Learning-Solutions für verschiedene Kund:innen, einschließlich Fortune-500-Unternehmen
    • Nutzung von Tools wie GitHub, Kubernetes, Jenkins und Polyaxon zur Optimierung der Entwicklungs-, Test- und Bereitstellungsprozesse

    Technologien:

    • Technologien:
    • Data Science
    • TensorFlow TensorFlow
    • NumPy NumPy
    • Keras Keras
    • Pandas Pandas
    • PyTorch PyTorch
    • Scikit-learn Scikit-learn
    • NLP
    • Machine Learning Machine Learning

  • Ingenieur/Forscher für maschinelles Fernlernen

    Chute, San Francisco, CA, USA - 2 jahre 7 monate

    • Eigenständige Verarbeitung von Social-Media-Daten von Plattformen wie Instagram und Twitter, um wertvolle Erkenntnisse in Echtzeit zu sammeln
    • Entwicklung von Bildklassifikationssystemen mit mehreren Bezeichnungen mithilfe von TensorFlow und TensorFlow Serving, was die Möglichkeiten des Unternehmens zur Medienanalyse verbessert
    • Entwicklung eines ästhetischen Modells, um die Schönheit von Bildern zu bewerten, was zur Verfeinerung der Analyse von visuellen Inhalten beiträgt
    • Entwicklung eines Modells, um einen Wahrnehmungs-Hash aus Bildern zu schaffen und die Effizienz von Bilderkennung und -analyse zu verbessern

    Technologien:

    • Technologien:
    • Ruby Ruby
    • Ruby on Rails Ruby on Rails
    • Data Science
    • TensorFlow TensorFlow
    • NumPy NumPy
    • Keras Keras
    • Pandas Pandas
    • Scikit-learn Scikit-learn
    • Convolutional neural network Convolutional neural network
    • Machine Learning Machine Learning

  • Android Lead Developer

    Various Startups, London and Remote - 4 jahre 6 monate

    • Leads the development of several popular Android mobile apps, each garnering over a million downloads;

    • Trains subsequent development teams, ensuring continuity and ongoing improvements in the app development process;

    • Works in a dynamic startup environment, contributing to the rapid development and deployment of mobile applications.

    Technologien:

    • Technologien:
    • Data Science

  • Co-founder

    Entrepreneur Period, Various Projects - 2 jahre 2 monate

    • Co-founder of Comaware, a startup focused on machine consciousness technology for controlling virtual characters in video games and autonomous robot;

    • Develops Howmaths, a project utilizing artificial intelligence to solve complex math problems efficiently;

    • Creates a video game engine for Android from scratch, integrating artificial intelligence for enhanced gameplay experience;

    • Each section has been restructured in the third person and bullet points as requested, adhering to the format of time frames, company name, position, and job descriptions.

Ausbildung

  • BSc.Mathematik

    UNED · 2020 - 2024

  • FortbildungMBA

    EOI · 2011 - 2012

  • Dr. Phil.Computer Science and Artificial Intelligence

    University Carlos III of Madrid · 2008 - 2011

  • MSc.Informatik und Informationstechnologie

    Universität Carlos III von Madrid · 2007 - 2008

  • BSc.Informatik-Ingenieurwesen

    Universität Carlos III von Madrid · 2001 - 2006

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

Jetzt Entwickler:innen finden, die innerhalb von wenigen Tagen starten können. Ohne Risiko.