Ahmed E.
Machine Learning Engineer
Er hat sich auf die Entwicklung fortschrittlicher Algorithmen für verschiedene Computer-Vision-Anwendungen und die Optimierung von Modellen für den Einsatz in der realen Welt spezialisiert.
Im Laufe seiner Karriere war er in verschiedenen Branchen tätig, beispielsweise im Sportsektor und in der Automobilindustrie, was seine Anpassungsfähigkeit und Vielseitigkeit beweist. Einer seiner bemerkenswerten Erfolge ist die erfolgreiche Implementierung neuronaler Netzwerke mit C++ und CUDA, was sein technisches Know-how und sein Engagement für Innovation unterstreicht.
Zu ElGhazalys Erfolgen gehört außerdem die Sicherung des zweiten Platzes beim Wettbewerb IEEEXtream 12.0. Darüber hinaus hat er ein großes Interesse an der Erschließung von Möglichkeiten im medizinischen Bereich.
Hauptkompetenz
Computer Vision5 Jahre
TensorFlow3 Jahre
PyTorch5 Jahre
C++3 JahreErfahrung7
Ingenieur für maschinelles Lernen / Computer Vision
- Optimierung von maschinellen Lernmodellen und Entwicklung eines optimierten C++-Frameworks für die Bereitstellung von maschinellen Lernanwendungen auf Edge-Geräten und in der Cloud
- Mitarbeit an verschiedenen Computer-Vision-Projekten in der Automobilindustrie, darunter am Autonomous Driver Assistance System, dem City Anomaly Monitoring System und dem Violation Alert Parking System
- Verwendung einer breiten Palette von Tools, einschließlich Python, C++, TensorRT, CUDA, CMake, PyTorch, TensorFlow, NumPy, Docker, OpenCV, Git und CI/CD mit Jenkins
Machine Learning/Computer Vision Engineer
- Leading a small team that is responsible for optimizing machine learning models, and building an optimized C++ framework to deploy machine learning applications on edge devices and on the cloud
- Collaborating on multiple computer vision projects in the automotive industry, including Autonomous Driver Assistance system, City Anomaly Monitoring System and Violation Alert Parking System.
- Utilizing tools such as Python, C++, TensorRT, CUDA, CMake, PyTorch, TensorFlow, NumPy, Docker, OpenCV, Git, CI/CD, and Jenkins.
TensorFlow
NumPy
OpenCVPyTorch
CudaIngenieur für maschinelles Lernen / Computer Vision
- Entwicklung von Objekterkennungs- und Tracking-Systemen zur Analyse von Überwachungsinhalten, um Sicherheitsmaßnahmen zu verbessern
- Einsatz von Tools wie Python, C++, CMake, PyTorch, TensorFlow, NumPy, Docker, OpenCV, Git, Jira, Google Cloud, CI/CD und Jenkins
Machine Learning/Computer Vision Engineer
-
Developed Object Detection and Tracking systems for surveillance content analysis to enhance security measures;
-
Employed tools like Python, C++, CMake, PyTorch, TensorFlow, NumPy, Docker, OpenCV, Git, Jira, GCloud, CI/CD, and Jenkins.
TensorFlowNumPyOpenCVPyTorchIngenieur für maschinelles Lernen / Computer Vision
Machine Learning/Computer Vision Engineer
-
Contributed to Video Content Analysis for football videos, encompassing Object Detection, Tracking, and Action Recognition for players, balls, and body joints;
-
Utilized Python, C++, TensorFlow, NumPy, Docker, OpenCV, Git, Jira, and AWS.
TensorFlowNumPyOpenCV
Machine Learning/Computer Vision Engineer
-
Addressed Security Video Surveillance issues, implementing Object Classification and Detection using Deep Learning and Computer Vision techniques;
-
Employed Python, OpenCV, TensorFlow, and Git.
TensorFlowOpenCVExcellence en ingénierie
Alle Machine Learning Engineers, die sich bei Proxify beworben haben, werden auf einer Skala von 0 bis 300 in technischer Exzellenz bewertet, einem der fünf von uns bewerteten Parameter. Diese Bewertung spiegelt ausschließlich die technische Exzellenz wider, basierend auf Interviews, Heimaufgaben, Live-Coding-Sitzungen und/oder Leistungsbewertungen am Arbeitsplatz. Die Kurve zeigt, wie alle bewerteten Machine Learning Engineers in diesem Bereich verteilt sind, wo unsere Akzeptanzschwelle für diesen Parameter liegt und wo sich Ahmed befindet.
Score 183 · Top 13% of engineers
Ausbildung
Hör auf zu stöbern.
Lass dich schneller matchen.
Sprechen Sie mit einem Experten und erhalten Sie innerhalb von nur 2 Tagen maßgeschneiderte Matches aus unserem Netzwerk.
Zugriff auf über 6.000+ Experten
Werden Sie im Durchschnitt in 2 Tagen mit einem Entwickler zusammengebracht
Schnell und einfach einstellen mit 94% Übereinstimmungserfolg