English
Svenska
Dansk
Dutch
Deutsch
Français
Norsk
NEW
Proxify is bringing transparency to tech team performance based on research conducted at Stanford. An industry first, built for engineering leaders.
Learn more
João M.
Deep Learning Research Engineer
João on syvä oppimisinsinööri ASML:ssä, jolla on yli 10 vuoden kokemus tekoälystä.
Hän on erikoistunut rakentamaan kehittyneitä malleja, mukaan lukien suuria kielimalleja (LLM), jotka kykenevät koodinkorjaukseen, vikojen havaitsemiseen ja jatkuvaan oppimiseen. João toimii laajasti PyTorchin kanssa ja hyödyntää malleja pilvialustoilla ja korkean suorituskyvyn laskentajärjestelmissä.
Ennen ASML, hän johti tutkimusryhmien GAIPS Lab, joka on julkaistu johtava tekoälykonferensseja, ja turvattu kilpailukykyisiä avustuksia Yhdysvalloista. Ilmavoimat ja FCT. Hän opetti myös tekoälykursseja, ansaitsemalla opetus Excellence Award -palkinnon hänen panoksestaan koulutukseen.
João keskeisiä projekteja ovat jatkuvan oppimisen tekniikoiden kehittäminen, joka mahdollistaa uuden tiedon hankkimisen unohtamatta aikaisempia tehtäviä. ja tehostamalla oppimista kouluttamaan malleja entistä tehokkaammin vähemmillä tiedoilla. Hän on intohimoinen tehdessään tekoälyn järjestelmistä tehokkaampia, käytännöllisempiä ja jatkuvasti parempia.
Tärkein asiantuntemus
- Python 10 vuotta
- Machine Learning 10 vuotta
- Data Science 10 vuotta
Muut taidot
Valittu kokemus
Työllisyys
Deep Learning Research Engineer
ASML - 1 year 4 months
- Led tutkimusryhmä "LLMs for Software Engineering" -hankkeesta, jossa keskitytään velan tekniseen vähentämiseen, virheentunnistus ja dokumentaatio-analyysi käyttäen suuria kielimalleja.
- Suunniteltu, toteutettu, koulutettu, testattu, ja otettu käyttöön LLM automaattista koodin refactoring ja vikojen havaitseminen.
- Käyttöönotetut mallit pilvituotantoympäristöihin ja suurteholaskentaan jaettuihin tietotekniikkaklustereihin.
- Seurataan käytössä olevien mallien jatkuvaa suorituskykyä käyttäen esimerkiksi MLFlow-, Sacred- ja Painot & Biases-työkaluja.
- Yhtiön tutkimusosasto yhdistettiin akateemisiin kumppaneihin TU/e.
Tekniikat:
- Tekniikat:
Docker
Java
Flask
Python
C++
AWS S3
Azure
- Data Science
Google Cloud
TensorFlow
NumPy
OpenCV
XGBoost
Keras
Caffe
Matlab
Pandas
Linux
- MLOps
Open source
LaTeX
PyTorch
PyCharm
- Unit Testing
Git
- Command-line interface
Unix
SciPy
Scikit-learn
Matplotlib
Azure ML
Random Forest
- Clustering
- SVM
- PCA
Convolutional neural network
- Recurrent neural network
- Transformer Network
- NLP
Machine Learning
- Automation Testing
- Boost
Cuda
Pytest
Apache Flink
YAML
OpenAI API
- Prompt Engineering
Julia
- Mojo
Stable Diffusion
- Neural Network
Large Language Models (LLM)
- JAX
- MLflow
PyTorch Lightning
- Slurm
Hugging Face
Deep Learning Research Engineer
GAIPS Research - 5 years 8 months
- Suunnitellut, toteutettu, koulutettu, testattu ja otettu käyttöön huippuluokan syvä oppiminen arkkitehtuurit, mukaan lukien Actor-Critics, DQNs, ja LLM:t, jotka käyttävät vallankumouksellisia, toistuvia ja tarkkaavaisia mekanismeja ominaisuustietojen keräämiseksi monenlaisista tehtävistä.
- Käyttöönotetut mallit pilvipalveluiden tuotantoympäristöihin, kuten Google Cloudiin, Amazon AWS:ään ja Slurm HPC -jakeluklustereihin.
- Seurataan käytössä olevien mallien jatkuvaa suorituskykyä käyttäen esimerkiksi MLFlow-, Sacred- ja Painot & Biases-työkaluja.
- Koottiin yhtiön HPC Slurm klusteri.
- Led viisi tutkijaryhmää kuin ensimmäinen kirjailija, joka julkaisee tutkimuspaperin kunkin huipputason tekoälykohteissa, mukaan lukien AAAI, IJCAI, ECAI, Artificial Intelligence Journal ja PLoS One Journal.
- Esitetty tekoälytutkimus huipputason kansainvälisissä konferensseissa, kuten AAAI, IJCAI ja ECAI.
- Varmistettu kaksi kilpailevaa rahoitusapua, yksi Yhdysvalloista. Air Force Office of Scientific Research ja toinen Portugalin tieteen ja teknologian säätiön (FCT).
- Sai parhaan paperin palkinnon hankkeelle ”Helping People On The FLLy: Ad Hoc Teamwork for Human-Robot Teams.”
Tekniikat:
- Tekniikat:
-
Docker
-
Python
- Data Science
Joomla
-
NumPy
-
OpenCV
-
XGBoost
-
Keras
- MLOps
-
Open source
-
PyTorch
-
PyCharm
-
Git
- Command-line interface
-
SciPy
-
Scikit-learn
-
Matplotlib
-
Azure ML
-
Convolutional neural network
- Recurrent neural network
- Transformer Network
-
Machine Learning
- Computer Vision
- Boost
-
Cuda
-
Pytest
-
YAML
-
OpenAI API
- Neural Network
Hugging Face Transformers
- JAX
- MLflow
-
PyTorch Lightning
- Slurm
-
Hugging Face
Software Engineer
Thales - 8 months
- Teknisen velan väheneminen ja Top Sky Tower -ratkaisun entistä kattavampi testaus, joka on lennonjohtajien työkalu elektronisten nauhojen hallintaan.
- Toteutettu ja testattu kriittisen turvallisuuden havaitsemisjärjestelmät.
Tekniikat:
- Tekniikat:
-
Java
-
C++
C#
WPF
Software Engineer
IST IT Department - 1 year
- Koulutettu Convolutional Neural Network luokitella voimassa olevat henkilökorttikuvia.
- Toteutettu ohjelmisto AWS pilven AWS -tietojen automaattiseen ja ajoittaiseen varmuuskopiointiin.
- Uudelleentoteutetut perinteiset ohjelmistot, joissa käytetään nykyaikaisia teknologioita, kuten Scala ja Kotlin.
Tekniikat:
- Tekniikat:
-
Java
-
Python
-
AWS S3
Scala
Kotlin
-
TensorFlow
-
Keras
-
PyTorch
- Computer Vision
Koulutus
Doctor Of PhilosophyComputer Science
Instituto Superior Técnico · 2019 - 2025
MSc.Information Systems and Computer Engineering
Instituto Superior Técnico · 2016 - 2018
BSc.Information Systems and Computer Engineering
Instituto Superior Técnico · 2012 - 2016
Portfolio
Löydä seuraava kehittäjäsi päivien, ei kuukausien sisällä
Kun otat yhteyttä, järjestämme lyhyen 25 minuuttia kestävän tapaamisen, jonka aikana:
- Kartoitamme yrityksenne kehitystarvetta
- Kertoa prosessimme, jolla löydämme teille pätevän, ennakkotarkastetun kehittäjän verkostostamme
- Käymme läpi askeleet, joilla oikea ehdokas pääsee aloittamaan – useimmiten viikon sisällä