Vinay C.
Machine Learning Engineer
Er hat große KI-Systeme für die Erkennung von Anomalie entwickelt, entwickelt und eingesetzt und Dokumentensuche, Expertise in Python, C++, PyTorch, TensorFlow und ONNX.
Vinay hat Milliarden von Parametermodellen ausgebildet, die EDV-Vision-Pipelines für Geräte mit geringem Stromverbrauch optimiert und globale Maschinenlernteams geschult, die technische Exzellenz und Innovation fördern.
Er überbrückt die Lücke zwischen Forschung und Produktion, kombiniert tiefes technisches Know-how mit strategischer Führung, um skalierbare, wirkungsvolle KI-Lösungen zu liefern, die die organisatorischen Fähigkeiten voranbringen.
Hauptkompetenz
Python8 Jahre
Machine Learning8 Jahre
C++8 JahreErfahrung7
Member of Technical Staff (MTS) Engineer
- Designed and optimized behavioral modeling pipelines for ML operator kernels such as GEMMs with FP32/FP16/BF16 Präzision and nonlinearities, Sicherstellen einer genauen Überprüfung der Systemebene vor dem Einsatz der Hardware.
- Verbesserte CARF (Compute Architecture Reference Flow), um die Manipulation von ONNX Graphen zu verbessern, Datenextrahierung, Graphen Partitionierung und Arbeitslastanalyse für Architektursimulationen zu optimieren.
- Zusammenarbeit mit Hardware-Architekten und Compiler-Teams, um Leistungsengpässe zu bewerten und Optimierungen für Rechenabwicklung und Speicherausfälle vorzuschlagen.
- Automatisierte Test- und Benchmarking-Pipelines zur Validierung architektonischer Verbesserungen gegenüber realen ML-Belastungen.
- Mitwirkt, um Diskussionen über die nächste Generation von AI-Beschleunigern zu entwerfen und Software-Workflows mit der Silikon-Architektur in Einklang zu bringen.
PythonC++Machine Learning
TensorRTTechnical Project Manager (Part-time, alongside MLE role)
- Koordinierte interfunktionale Teams von über 30 Ingenieuren und Datenwissenschaftlern zur Anpassung von KI-Initiativen an Intels Fab Operationsstrategie.
- Gegründete agile Workflows – einschließlich Scrum Boards, Sprint-Reviews und Backlog Management – um die Sichtbarkeit des Projekts zu verbessern und Verzögerungen zu reduzieren.
- Definierte Projekt-Roadmaps für ungewöhnliche Erkennung, OCR und Computer-Vision-Lösungen, die die termingerechte Lieferung von produktionsfertigen Systemen gewährleisten.
- Als Verbindung zwischen Stakeholdern, Ingenieuren und Führungskräften dient, um die Anforderungen des Unternehmens in technische Meilensteine umzusetzen.
- Übernahme des Einsatzes von AI-Lösungen über mehrere Fabs weltweit, Verwaltung von Abhängigkeiten und Risikominimierungsstrategien.
- Erreichte Quartalsberichte an Führungskräfte, detaillierte ROI, Adoptionsmetriken und operative Auswirkungen.
Jira
Agile
ScrumMachine Learning Engineer
- Erstellte und implementierte die Unified Knowledge Platform (UKP)—ein KI-gestütztes Suchsystem, das Fabrikdokumentation (PDF, Word, Excel, PowerPoint, OCR-Bilder und Intel-spezifische Formate)– die Zeit der Wissensgewinnung um 60% zu verbessern.
- Entwickelte benutzerdefinierte autocodiererbasierte Anomal-Erkennungsmodelle für Wafer-Bilddaten, die in der internen Cloud von Intels Skalierung eingesetzt werden, wodurch falsche Negative bei der Fehlererkennung reduziert werden.
- Erstellung von Computer-Vision-Lösungen zur Echtzeit-Fehlererkennung (einschließlich Laser-Schadensüberwachung) mit automatisierten Alarmen und Verbesserung der Ertragsüberwachung.
- Entwickelt und lieferte eine codellose Objekterkennungsplattform, die es Ingenieuren ohne ML-Hintergrund ermöglicht, Modelle über eine intuitive Benutzeroberfläche zu trainieren und einzusetzen.
- Skalierte mehrere Concept-Beweise (OCR, Bildstiching, visuelle Suche) zu Produktionssystemen, die in Intel fabs weltweit operieren.
- Entwickelt und lanciert Intelidays, ein Ferien-Management-Portal für rund 6.500 Mitarbeiter und ersetzt damit manuelle Tabellenkalkulationsabläufe.
- Veröffentlicht und präsentiert zwei Peer-Review Abstracts bei IMEC 2022, akzeptiert bei einer sehr wettbewerbsfähigen internen Konferenz (1% Akzeptanzrate).
- Als technischer Mentor für Junioringenieure, Führung in ML-Modellentwicklung, Pipeline-Design und Cloud-Einsatz.
Python
TensorFlow
OpenCV
PyTorchMachine Learning
Mentor (Machine Learning & AI)
- Mentored mehr als 150 Studenten weltweit in AI Nanograd-Programmen, die das maschinelle Lernen, das tiefe Lernen und die Computer-Vision abdecken.
- Führende Code-Rezensionen, Projektbewertungen und Karriereführung, um Studenten dabei zu helfen, Industriestandards zu erfüllen.
- Entwickelt personalisierte Lern-Roadmaps für angeschlagene Studenten, die die Graduierungsrate um 40% erhöhen.
- Erhältlich 1:1 Sitzungen und Gruppenworkshops mit Schwerpunkt auf praktischen ML-Implementierungs- und Debugging-Techniken.
- Anerkennung als Top-Mentor für die Aufrechterhaltung hoher Bewertungen und die Förderung konsistenter Erfolgsgeschichten von Studenten.
PythonMachine LearningIncubator 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.
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
SQLTensorFlowMachine LearningDeep Learning Engineer
- Erforscht und implementiert eine siamesische CNN-Pipeline zur relativen Postenschätzung zwischen 3D-Voxelradern, eine Reduzierung des Speicherverbrauchs um 90% gegenüber herkömmlichen Methoden.
- Veröffentlichte Forschung auf der ICRA 2019 mit dem Titel „End-to-End Relative Pose Estimation of Point Clouds and Voxel Grids“.
- Entwicklung eines für den Movidius Myriad-X VPN optimierten Objekterkennungssystems. über 200 Objektklassen bei LPIRC 2019 unterstützend und demonstrierte hochmoderne Leistung auf Low-Power-Hardware.
- Ein eigenständiger IP-Kamera-Prototyp mit niedriger Leistung entwickelt mit MIPI-Aufnahme und JPEG-Komprimierung, Neuronale Inferenzen (über OpenVINO) und HTTP-Streaming, später als Referenzdesign für Rand-AI-Anwendungen.
- Zusammenarbeit mit Compiler- und Firmware-Ingenieuren, um sicherzustellen, dass neuronale Arbeitsbelastungen effizient auf Movidius VPUs abgebildet wurden.
- Beitrag zum frühen Prototyping von eingebetteten AI-Prozessoren der nächsten Generation, die sich auf das Gleichgewicht von Genauigkeit, Durchsatz und Leistungseffizienz konzentrieren.
PythonC++TensorFlow
OpenvinoEignungstests
Excellence en ingénierie
Vinay Gesamtleistung in einer 90-minütigen Live-Technikbewertung rangiert im top 5% der überprüften Machine Learning Engineer bei Proxify.
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