Vinay C.
Ingénieur Machine Learning
Il a conçu, développé et déployé des systèmes IA à grande échelle pour la détection des anomalies, la surveillance des défauts, et la recherche de documents, en tirant parti de l'expertise en Python, C++, PyTorch, TensorFlow et ONNX.
Vinay a formé des modèles de plusieurs milliards de paramètres, optimisé des pipelines de vision informatique pour des appareils à faible consommation, et encadré des équipes mondiales d’apprentissage automatique, favorisant l’excellence technique et l’innovation.
Il comblera le fossé qui sépare la recherche et la production, combinant une expertise technique approfondie et un leadership stratégique pour offrir des solutions IA évolutives et à fort impact qui permettent de faire progresser les capacités organisationnelles.
Expertise principale
Python8 ans
Machine Learning8 ans
C++8 ansExpérience7
Member of Technical Staff (MTS) Engineer
- Conception et optimisation de pipelines de modélisation comportementale pour les noyaux d'opérateur ML tels que les GEMM avec précision FP32/FP16/BF16 et non-linéaires, assurer une validation précise du système avant le déploiement du matériel.
- Amélioration du CARF (Compute Architecture Reference Flow) pour améliorer la manipulation des graphiques ONNX, la rationalisation de l'extraction des données, le partitionnement des graphiques et l'analyse de la charge de travail pour les simulations d'architecture.
- Collaboré avec des architectes et des équipes de compilateurs pour évaluer les goulets d’étranglement des performances et proposer des optimisations pour les compromis de calcul et de mémoire.
- Essai automatisé et benchmarking des pipelines pour valider les améliorations architecturales par rapport aux charges de travail réelles de ML.
- Contribué à la conception de discussions sur les accélérateurs AI de nouvelle génération, alignant les flux de travail des logiciels avec l'architecture silicone.
PythonC++Machine Learning
TensorRTTechnical Project Manager (Part-time, alongside MLE role)
- Des équipes interfonctionnelles coordonnées de plus de 30 ingénieurs et informaticiens pour aligner les initiatives IA sur la stratégie d’opérations d’Intel.
- Des flux de travail agiles établis – y compris des planches de scrôle, des revues de sprint et de la gestion des arriérés – pour améliorer la visibilité du projet et réduire les retards.
- Des feuilles de route définies pour la détection des anomalies, des OCR, et des solutions de vision informatique, assurant la livraison à temps des systèmes prêts à la production.
- A servi de liaison entre les intervenants, les ingénieurs et le leadership, en traduisant les exigences des entreprises en jalons techniques.
- Oversaw le déploiement de solutions AI sur plusieurs sites dans le monde entier, la gestion des dépendances et des stratégies d'atténuation des risques.
- Remise des rapports trimestriels de la direction à la haute direction, détaillant le ROI, les paramètres d’adoption et l’impact opérationnel.
Jira
Agile
ScrumIngénieur Machine Learning
- Construit et déployé la plateforme de connaissances unifiée (UKP)—un système de recherche alimenté par l'IA qui a ingéré la documentation d'usine (PDF, Word, Excel, PowerPoint, images OCR et formats spécifiques à Intel) – améliorant le temps de récupération des connaissances de 60 %.
- Développer des modèles personnalisés de détection d’anomalies basées sur l’autocodeur pour les données d’images de tranches, déployés à l’échelle sur le nuage interne d’Intel, réduisant ainsi les faux négatifs dans la détection des défauts.
- Créé des solutions de vision informatique pour la détection de défauts en temps réel (y compris la surveillance des dommages au laser) avec des alertes automatisées, améliorant la surveillance des rendements.
- Conçue et livrée une plate-forme de détection d'objets de codage, permettant aux ingénieurs sans arrière-plans ML de former et de déployer des modèles à travers une interface utilisateur intuitive.
- Mise à l'échelle de multiples preuves de concept (OCR, point d'image, recherche visuelle) dans des systèmes de production opérant dans Intel fabs dans le monde entier.
- Développé et lancé Intelidays, un portail de gestion des vacances pour environ 6 500 employés de fab remplaçant entièrement les flux de calcul manuels.
- Publié et présenté deux résumés évalués par les pairs à l'IMEC 2022, accepté lors d'une conférence interne hautement compétitive (taux d'acceptation de 1 %).
- Servir de mentor technique aux ingénieurs juniors, les guider dans le développement de modèles ML, la conception de pipelines et le déploiement du cloud.
Python
TensorFlow
OpenCV
PyTorchMachine Learning
Mentor (Machine Learning & AI)
- Menturé plus de 150 étudiants dans le monde entier dans les programmes de Nanodegree d'IA, couvrant l'apprentissage automatique, l'apprentissage approfondi et la vision informatique.
- Effectuer des examens de code, des évaluations de projets et des conseils de carrière pour aider les élèves à répondre aux normes de l’industrie.
- Des feuilles de route d’apprentissage personnalisées conçues pour les étudiants en difficulté, améliorant les taux d’obtention du diplôme de 40%.
- Offert des sessions 1:1 et des ateliers de groupe axés sur les techniques pratiques de déploiement et de débogage de ML.
- Reconnu comme un Mentor de premier plan pour maintenir des notes élevées et favoriser la réussite constante des élèves.
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
- Recherché et implémenté un gazoduc CNN Siamese pour une estimation relative de la pose entre les grilles de voxel 3D, atteindre une réduction de 90 % de l'utilisation de la mémoire par rapport aux méthodes traditionnelles.
- Recherche publiée à l'ICRA 2019 intitulée « Estimation de la pose relative de bout en bout des nuages de points et des grilles de Voxel ».
- Développement d'un système de détection d'objet optimisé pour le Movidius Myriad-X VPU, qui soutient plus de 200 classes d'objets au LPIRC 2019, et qui a démontré des performances de pointe sur le matériel à faible consommation.
- Conçu un prototype de caméra IP autonome basse puissance avec capture MIPI, compression JPEG, l'inférence neuronale (via OpenVINO), et le streaming HTTP, plus tard utilisé comme conception de référence pour les applications AI de bord.
- Collaboré avec le compilateur et les ingénieurs de microprogramme pour s'assurer que les charges de travail neuronales sont efficacement mappées sur Movidius VPU.
- Contribution à un prototypage précoce de processeurs IA embarqués de nouvelle génération, axés sur l’équilibrage de la précision, du débit et de l’efficacité énergétique.
PythonC++TensorFlow
OpenvinoÉvaluations
Excellence en ingénierie
Les performances globales de Vinay lors d'une évaluation technique en direct de 90 minutes se classent dans le top 5% des Ingénieur Machine Learning évalués chez Proxify.
Éducation
Arrêtez de naviguer.
Soyez jumelé plus rapidement.
Parlez à un expert et obtenez des correspondances personnalisées de notre réseau en seulement 2 jours.
Accédez à plus de 6 000+ experts
Soyez jumelé avec un développeur en 2 jours en moyenne
Embauchez rapidement et facilement avec un taux de réussite de 94%