Vladimir M.
Machine Learning Engineer
Forscher in den Bereichen Computervision und maschinelles Lernen mit 10 Jahren Erfahrung. Hält einen Ph.D. in angewandtem maschinellen Lernen.
Gegenwärtig entwickelt er ein neues System zur Gesichtsausdruckserkennung zum Verständnis der menschlichen Verhaltensweisen bei EyeSee.
Zuvor arbeitete er in einem Kamerateam für ADAS, Continental, und war zuständig für die Entwicklung von Softwaremodulen für 3D-Rekonstruktion, Kalibrierung und Kamerablockierung.
Zudem hatte er Positionen als unternehmerischer Postdoc (2 Jahre), Associate Professor und Vizedekan.
Hauptkompetenz
- PyTorch 3 Jahre
- Python 7 Jahre
- Machine Learning 16 Jahre
Andere Fähigkeiten
- Matlab 8 Jahre
- OpenCV 6 Jahre
- C++ 5 Jahre
Ausgewählte Erfahrung
Beschäftigung
Computer Vision und Forschungsingenieur
Continental - 1 jahr
- Design von Software für selbstfahrende Lkw und Pkw;
- Arbeit an Komponenten für die 3D-Rekonstruktion, SLAM, Kalibrierung und Kamerablockierung.
Machine Learning und Computer Vision Engineer
Eyesee - 1 jahr
Entwicklung des Gesichtskodierungssystems zur Erkennung des menschlichen Verhaltens. Die Lösung wird von Kunden in aller Welt genutzt, darunter Microsoft, Twitter u. a.
Technologien:
- Technologien:
- Machine Learning
Assoziierter Professor und Prodekan
Singidunum University - 2 jahre 2 monate
- Lehrtätigkeit: Er unterrichtete Kurse über Data Science, maschinelles Lernen und Computervision/Deep Learning.
Post-Doc-Innovationsmandat
KU Leuven - 11 monate
- Erhielt ein Postdoc-Stipendium der belgischen Regierung (11 % Zusagequote);
- Arbeit am Aufbau einer Spin-off-Firma.
Ausbildung
Dr. Phil.Angewandtes maschinelles Lernen und Signalverarbeitung
KU Leuven · 2010 - 2014
MSc.Elektrotechnik
Universität Belgrad · 2007 - 2009
BSc.Elektrotechnik
Universität Belgrad · 2003 - 2007
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