Petar

Machine Learning Engineer

30 €/h

Petar is een gepassioneerde onderzoeker met 4 jaar werkervaring. Hij is een erg verantwoordelijk en hardwerkend persoon met goede organisatorische vaardigheden.
Petar heeft aan een brede variëteit van zaken gewerkt als een Machine Learning engineer waaronder Deep Learning algoritmes voor Optical Character Recognition (OCR) en Intelligent Word Recognition (IWR) voor handtekening herkenning, en terugkerend neuraal netwerk benadering om de luchtkwaliteit index voorspelling te verbeteren.

Zonder risico proberen

Een aantal van de wetenschappelijke publicaties van Petar:


[1] P. Sekulić, M. Bajčeta, and S. Djukanović, “Retinal blood vessels segmentation using support vector machine and
modified line detector,” in Informacione tehnologije 2017 -sadašnjost i budućnost, pp. 185–188, 2017.

[2] P. Sekulić, S. Djukanović, and I. Djurović, “Detection of downy mildew in grapevine leaves using support vector
machine,” in Zbornik radova: Informacione tehnologije 2016, pp. 169–172, 2016.

[3] M. Bajčeta, P. Sekulić, S. Djukanović, T. Popovic, and V. Popović-Bugarin, “Retinal blood vessels segmentation
using ant colony optimization,” in 2016 13th Symposium on Neural Networks and Applications (NEUREL), pp. 1–6,
IEEE, 2016.

[4] F. Cassano, A. Casale, P. Regina, L. Spadafina, and P. Sekulić, “A recurrent neural network approach to improve
the air quality index prediction,” in International Symposium on Ambient Intelligence, pp. 36–44, Springer, 2019.

[5] M. Bajčeta, P. Sekulić, B. Krstajić, S. Djukanović, and T. Popović, “A private iot cloud platform for precision agriculture and ecological monitoring,” in International Conference on Electrical, Electronic and Computing Engineering (IcETRAN), 2016.

[6] E. Hot and P. Sekulić, “Compressed sensing mri using masked dct and dft measurements,” in 2015 4th Mediterranean Conference on Embedded Computing (MECO), pp. 323–326, IEEE, 2015.

  • Python

    Python

    3 jr.
  • PHP

    PHP

    2 jr.
  • JavaScript

    JavaScript

    1 jr.
  • TypeScript

    TypeScript

    1 jr.
  • TensorFlow

    TensorFlow

    2 jr.
  • Django

    Django

    1 jr.
  • Laravel

    Laravel

    2 jr.
  • Angular.js

    Angular.js

    1 jr.
  • ElasticSearch

    ElasticSearch

    1 jr.
  • Kubeflow

    Kubeflow

    2 jr.
  • Databricks

    Databricks

    2 jr.
  • Neo4j

    Neo4j

    2 jr.
avatar
Zonder risico proberen

Ervaringen

Full-stack Ontwikkelaar

Fleka · 3 maanden

  • Web applicaties ontwikkelen voor een bank.

Gebruikte technologieën:
PHP

PHP

JavaScript

JavaScript

Laravel

Laravel

Angular.js

Angular.js

Machine Learning Engineer

Datum Solutions · 11 maanden

  • Een Machine Learning systeem ontwikkelen over handtekening herkenning;
  • Deep Learning algoritmes voor Optical Character Recognition (OCR) en Intelligent Word Recognition (IWR) creëren.

Machine Learning Engineer

Omnitech MNE · 1 jaar 4 maanden

  • Gewerkt aan een Machine Learning systeem op het SeVaRA project. SeVaRA integreert een R&D project gedoeld op het definiëren van een innovatief systeem voor de calculatie van een geaggregeerd milieurisico index afgeleid van meerdere parameters samengevat als:
  1. risico van gevolgen van weeromstandigheden van erg korte duur;
  2. risico van de geolocatie volgend de historische gegevens;
  3. risico gerelateerd aan de instabiliteit van de grond of geproduceerde goederen.

Machine Learning Onderzoeker

Faculty of Electrical Engineering · 1 jaar 5 maanden

  • Gewerkt aan verschillende Machine learning systemen. Sommige van zijn projecten waren Netvlies bloedvaten segmentatie Detecie van Valse Meeldauw in Wijnbladeren.

Gebruikte technologieën:
Python

Python

TensorFlow

TensorFlow

Software Ontwikkelaar

Robot Code · 8 maanden

  • Gewerkt aan het ontwikkelen van twee informatiesystemen. Een voor het bestellen en leveren van eten, en een voor het inplannen van afspraken bij schoonheidssalons in Montenegro.

Gebruikte technologieën:
Python

Python

Machine Learning Wetenschapper

Fleka · 1 jaar 1 maand

  • Werken aan een machine-learning algoritme om een slimme afbeelding database te creëren.
  • Werken aan de implementatie van Elasticsearch voor de krant portalen ”Pobjeda” en ”Analitika” en de officiële website van de overheid van Montenegro.

Gebruikte technologieën:
ElasticSearch

ElasticSearch

Opleiding

MSc. Machine Learning

Faculteit van Elektrotechniek in Podgorica · 2011 - 2017

Hoe werkt het

2-3 minuten

Laat ons weten waar je naar op zoek bent

Deel je technische vereisten en doelstellingen voor je product of project met ons.

1-2 weken

Ontmoet de ontwikkelaar en werk met hem of haar samen

Binnen een paar dagen kun je al samenwerken met specifiek geselecteerde en kwaliteitsgerichte tech-talenten.

1 week

De juiste persoon voor de juiste opdracht, gegarandeerd

Een week lang volledig zonder risico. Betaal alleen als je tevreden bent.

Aan de slag

Heb je een vraag?

Hoeveel kost het om een ontwikkelaar via Proxify in te huren?

Wij geloven bij prijzen in transparantie. U weet altijd precies hoeveel u betaalt. Ons eenvoudigste prijsplan heeft flexibele prijzen, waar u tussen de 28 en de 35 euro per uur voor betaalt. Dat is alles. Geen verborgen kosten en geen opstartkosten. De prijs die u betaalt tussen 28 en 35 euro per uur hangt af van de ervaring en vaardigheden van de gekozen ontwikkelaar. Als u vooraf al weet dat u iemand parttime of fulltime wilt inzetten, kunnen we mogelijk een lager tarief aanbieden als u deze uren ook daadwerkelijk afneemt. U kunt altijd switchen naar een ander prijsplan.

Hoe werkt de risicoloze proeftijd met betrekking tot het werk van een ontwikkelaar?

Dat is eenvoudig. Dankzij ons zorgvuldige en toonaangevende selectieproces weten we dat onze ontwikkelaars de beste zijn in hun vak. Daarom kunnen we u een risicoloze proeftijd van een week aanbieden. U betaalt alleen als u tevreden bent.

Kan Proxify echt binnen een week een ontwikkelaar vinden?

Ja, in bijna alle gevallen kunnen we binnen een ontwikkelaar voordragen. Er kunnen gevallen zijn waarin een klant op zoek is naar een ontwikkelaar die voldoet aan bepaalde aanvullende vaardigheden of ervaringen. In zo'n geval duurt het iets langer om een geschikte kandidaat te vinden. Als u het gevoel heeft dat uw case uniek of bijzonder is, neem dan contact met ons op. We kunnen dan realistisch inschatten hoeveel tijd we nodig hebben om een perfect profiel te vinden.

Hoe werkt het selectieproces?

We zijn trots op het feit dat we een van de meest geavanceerde selectieprocessen hebben. We ontvangen duizenden aanmeldingen van ontwikkelaars die zich bij Proxify willen aansluiten, maar slechts een fractie van hen komt door ons screeningsproces: ze worden geïnterviewd, worden getest op het gebied van coderen en logisch redeneren, ondergaan een persoonlijkheidstest en hun vaardigheden in de Engelse taal worden beoordeeld. We zeiden toch dat het geavanceerd is? En inderdaad, zo'n 4% van de kandidaten sluit zich ook daadwerkelijk aan bij Proxify. Daardoor kunnen wij u gegarandeerd een ervaren en betrouwbare ontwikkelaar bieden die we kennen en die perfect bij uw bedrijf past.

Stressvrij aannemen van tech-expertise begint hier

Codering is een universele taal. Daarom zoekt Proxify wijd en zijd naar het beste wereldwijde talent in de techbranche. We maken het veilig en eenvoudig om ontwikkelaars en ontwerpers aan te nemen. En tegen een goede prijs uiteraard.

In een kort telefoongesprek van 15 minuten willen we graag:

  • Het soort talent begrijpen dat uw bedrijf nodig heeft
  • Het meest geschikte plan voor u bespreken
  • U precies vertellen hoe Proxify werkt

Maak een afspraak