Vinay C.
Machine Learning Engineer
Hän on suunnitellut, kehittänyt ja ottanut käyttöön laajamittaisia tekoälyn järjestelmiä poikkeamien havaitsemiseksi ja puutteiden valvomiseksi, ja asiakirjojen haku, vipuvaikutus asiantuntemusta Python, C++, PyTorch, TensorFlow, ja ONNX.
Vinay on kouluttanut miljardien parametrien malleja, optimoituja tietokonevisioputkistoja matalatehoisille laitteille sekä mentoroituja globaaleja koneenoppimistiimejä, jotka edistävät teknistä huippuosaamista ja innovointia.
Hän kaventaa tutkimuksen ja tuotannon välistä kuilua, jossa yhdistyvät syvä tekninen asiantuntemus ja strateginen johtajuus ja jonka avulla voidaan tuottaa laajenevia ja vaikuttavia tekoälyn ratkaisuja, jotka edistävät organisaatiomahdollisuuksia.
Tärkein asiantuntemus
Python8 vuotta
Machine Learning8 vuotta
C++8 vuottaKokemus7
Member of Technical Staff (MTS) Engineer
- Suunnitellut ja optimoidut käyttäytymisen mallinnusputkistot ML operaattorin ytimille kuten GEMM:t FP32/FP16/BF16 tarkkuudella ja epälineaarisuudella, varmistetaan tarkka järjestelmätason validointi ennen laitteiden käyttöönottoa.
- Parannettu CARF (Compute Architecture Reference Flow) parantaa ONNX-graafien manipulointia, virtaviivaistaa datan talteenottoa, graafisten osiointia ja työkuormitusanalyysia arkkitehtuurimulaatioita varten.
- Yhteistyössä laitteistoarkkitehtien ja kääntäjien tiimien kanssa arvioida suorituskyvyn pullonkauloja ja ehdottaa optimointi tietokoneen ja muistin kompromisseja.
- Automatisoidut testaus- ja vertailuputkistot arkkitehtonisten parannusten validoimiseksi reaalimaailman ML-työkuormien kanssa.
- Osallistui keskustelujen suunnitteluun seuraavan sukupolven tekoälykiihdyttimistä, ohjelmistotyönkulun sovittamisesta piiarkkitehtuurin kanssa.
PythonC++Machine Learning
TensorRTTechnical Project Manager (Part-time, alongside MLE role)
- Koordinoidut yli 30 insinöörin ja datatutkijan ristikkäiset tiimit sovittamaan tekoälyn aloitteet yhteen Intelin fab operaatiostrategian kanssa.
- Perustettu ketterä työnkulku - mukaan lukien pensaslaudat, sprinttikatselmukset, ja backlog hallinta - parantaa projektin näkyvyyttä ja vähentää viivästyksiä.
- Määritelty projektin etenemissuunnitelmat poikkeavuuksien havaitsemiseen, OCR, ja tietokoneen visio ratkaisuja, varmistaa reaaliaikainen toimitus tuotanto-valmiit järjestelmät.
- Toimii sidosryhmän, insinöörien ja johtajuuden välisenä yhteyshenkilönä liiketoiminnan vaatimusten muuntamisessa teknisiksi välitavoitteiksi.
- Valvottu tekoälyn ratkaisujen käyttöönotto useilla kanavilla ympäri maailmaa, riippuvuuksien hallinta ja riskien vähentämiseen tähtäävät strategiat.
- Toimitettu neljännesvuosittaisia raportteja ylimmälle johdolle, yksityiskohtaisesti ROI, adoptiomittaukset, ja operatiivinen vaikutus.
Project Management
Jira
Agile
Scrum
Product
Team LeadingMachine Learning Engineer
- Rakennettu ja otettu käyttöön Unified Knowledge Platform (UKP)—AI-powered search system that ingested factory documentation (PDF, Word, Excel, PowerPoint, OCR-kuvat ja Intel-spesifiset formaatit)—parantaa tiedon hakuaikaa 60 %.
- Kehitetyt mukautetut autoenkooderipohjaiset anomaliaattiset tunnistusmallit kiekkokuvadataa varten, jotka on otettu käyttöön mittakaavassa Intelin sisäisessä pilvessä, mikä vähentää vääriä negatiivisia virheitä vikojen havaitsemisessa.
- Luotu tietokonevisioratkaisuja reaaliaikaiseen vikojen havaitsemiseen (mukaan lukien laservaurioiden seuranta) automatisoiduilla hälytyksillä, parantaen satoseurantaa.
- Suunnitellut ja toimittivat koodittoman objektin ilmaisinalustan, jonka avulla insinöörit ilman ML taustat kouluttavat ja ottavat käyttöön malleja intuitiivisen käyttöliittymän kautta.
- Scaled useita vedoksia konseptista (OCR, kuvan ompeleminen, visuaalinen haku) tuotantojärjestelmiin toimivat Intel fabs maailmanlaajuisesti.
- Kehitetty ja lanseerattu Intelidays – lomaportaali noin 6 500 fab työntekijälle ja korvaa täysin manuaalisen taulukkolaskentatyön.
- Julkaistu ja esitelty kaksi vertaisarvioitua tiivistelmää IMEC 2022 -tapahtumassa, jotka hyväksyttiin erittäin kilpailukykyisessä sisäisessä konferenssissa (1 %:n hyväksymisaste).
- Tarjoillaan teknisenä mentorina junioreille insinööreille, jotka ohjaavat niitä ML-mallin kehittämisessä, putkistojen suunnittelussa ja pilvien käyttöönotossa.
Python
TensorFlow
OpenCV
PyTorchMachine Learning
Mentor (Machine Learning & AI)
- Mentoroi yli 150 opiskelijaa ympäri maailmaa AI Nanodegree -ohjelmissa, jotka kattavat koneoppimisen, syvän oppimisen ja tietokoneen vision.
- Toteutetut koodintarkistukset, hankkeiden arvioinnit ja uraneuvonta, joiden avulla opiskelijat voivat täyttää alan standardit.
- Suunnitellut räätälöityjä oppimisen etenemissuunnitelmia kamppailevia opiskelijoita, parantaa valmistumisastetta 40%.
- Toimitettu 1:1 istuntoja ja ryhmätyöpajoja keskittyi käytännön ML käyttöönotto- ja vianetsintätekniikoihin.
- Tunnustettu Top Mentor ylläpitää korkeita luokituksia ja vaalia johdonmukaista opiskelijan menestystarinoita.
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
- Tutkimus ja toteutettu Siamilainen CNN putki suhteellinen aiheuttaa estimointi välillä 3D voxel ruudukoita, saavutetaan 90 prosentin vähennys muistin käytössä perinteisiin menetelmiin verrattuna.
- Published research at ICRA 2019 otsikolla “End-to-End Relative Pose Estimation of Point Clouds and Voxel Grids.”
- Kehitetty objektin tunnistusjärjestelmä, joka on optimoitu Movidius Myriad-X VPU:ta varten, yli 200 objektiluokan tukeminen LPIRC 2019 -ohjelmassa, ja huippuluokan suorituskyky pienitehoisilla laitteilla.
- Suunnitellut itsenäisen matalatehoisen IP-kameran prototyypin, jossa on MIPI-kaappaus, JPEG-pakkaus, hermoinference (via OpenVINO) ja HTTP streaming, jota myöhemmin käytetään vertailusuunnitteluna reunan tekoälysovelluksiin.
- Yhteistyö kääntäjien ja laiteohjelmistojen insinöörien kanssa varmistaakseen, että hermotyömäärä on tehokkaasti kartoitettu Movidius VPU:lle.
- Osallistui uuden sukupolven sulautettujen tekoälyn prosessorien varhaiseen prototyypitykseen, jossa keskitytään tasapainottamaan tarkkuutta, tehoa, tehoa ja tehoa.
PythonC++TensorFlow
Openvino
Embedded Systems
Computer VisionTekniikan huippuosaaminen
Kaikki Machine Learning Engineert, jotka ovat hakeneet Proxifylle, pisteytetään välillä 0–300 insinööritaidon perusteella, joka on yksi viidestä arvioimastamme parametrista. Tämä pistemäärä heijastaa ainoastaan insinööritaitoa, perustuen haastatteluihin, kotitehtäviin, suorissa koodausistunnoissa sekä työn suorituskyvyn arvioinnissa annettuihin tuloksiin. Kaavio näyttää, miten kaikki arvioidut Machine Learning Engineert jakautuvat tässä mittakaavassa, hyväksymisrajamme tälle parametrille sekä missä kohtaa Vinay sijaitsee.
Score 205 · Top 6% of engineers
Koulutus
Lopeta selaaminen.
Sovitetaan nopeammin.
Keskustele asiantuntijan kanssa ja saat räätälöityjä ehdotuksia verkostostamme vain 2 päivässä.
Pääsy yli 6 000+ asiantuntijaa
Löydä kehittäjä keskimäärin 2 päivässä
Palkkaa nopeasti ja helposti 94% onnistuneella osumalla