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.
Project Management
Jira
Agile
Scrum
Product
Team LeadingMachine 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 Learning
Content ManagementIncubator 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.
Project Management
PrototypingTeam Leading
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
SQL
Data ScienceTensorFlowMachine LearningContent ManagementDeep 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
Openvino
Embedded Systems
Computer VisionExcellence 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 Vinay befindet.
Score 205 · Top 6% 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