Vinay C.
Machine Learning Engineer
Hij heeft grootschalige AI-systemen ontworpen en ontwikkeld voor afwijkende detectie, defect monitoring, and document zoeken, gebruik geavanceerde expertise in Python, C++, PyTorch, izi.orFlow en ONNX.
Vinay heeft miljarden parametermodellen opgeleid, computervisiepijpleidingen voor apparaten met weinig stroom geoptimaliseerd en gementaliseerde wereldwijde machine-leren teams, waardoor technische uitmuntendheid en innovatie worden bevorderd.
Hij overbruggt de kloof tussen onderzoek en productie, combineert diepe technische expertise met strategisch leiderschap om schaalbare, zeer impact AI oplossingen te bieden die organisatorische mogelijkheden bevorderen.
Hoofd expertise
Python8 jaar
Machine Learning8 jaar
C++8 jaarErvaring7
Member of Technical Staff (MTS) Engineer
- Ontworpen en geoptimaliseerde gedragsmodelpijplijnen voor MD-inrichtingen, zoals GEMM's met FP32/FP16/BF16 precisie en niet-lineaire verbindingen, zorg voor nauwkeurige validatie van het systeemniveau voorafgaand aan de implementatie van de hardware.
- Verbeterde CARF (Berekende Architectuur-Referentie Flow) om ONNX grafiek te manipuleren, data extractie te stroomlijnen, grafiek partitioneren en werklast analyse van architectuursimulaties te verbeteren.
- Gezamenlijk met hardware-architecten en compiler teams om prestatieknelpunten te evalueren en optimalisaties voor te stellen voor computer- en geheugentrade-offs.
- Geautomatiseerde tests en benchmarking pipelines voor het valideren van architectonische verbeteringen ten opzichte van ML-werkladingen in de echte wereld.
- Bijdragen aan het ontwerpen van discussies over de volgende generatie versnellingsprogramma's van AI, waarbij softwarewerkstromen worden afgestemd op siliconenarchitectuur.
PythonC++Machine Learning
TensorRTTechnical Project Manager (Part-time, alongside MLE role)
- Coördineerde cross-functionele teams van meer dan 30 ingenieurs en data-wetenschappers om de AI-initiatieven op één lijn te brengen met de strategie voor de activiteiten van Intel's fab.
- Geïnstalleerde workflows—inclusief scrumborden, sprint beoordelingen en backlog management—om de zichtbaarheid van het project te verbeteren en vertragingen te verminderen.
- Gedefinieerde project roadmaps voor afwijkende detectie, OCR, en oplossingen voor computer visie die zorgen voor een on-time levering van systemen die klaar zijn voor productie.
- Gediend als de verbinding tussen stakeholders, ingenieurs en leiderschap, en het vertalen van zakelijke vereisten in technische mijlpalen.
- De uitzending van AI-oplossingen over meerdere weefsels wereldwijd, het beheren van afhankelijkheden en risicobeperkende strategieën.
- De kwartaalverslagen van de uitvoerende macht zijn overhandigd aan topleiders, met details over ROI, adoptiestatistieken en operationele effecten.
Project Management
Jira
Agile
Scrum
Product
Team LeadingMachine Learning Engineer
- Gebouwd en geïmplementeerd het verenigde Kennisplatform (UKP)—een AI-aangedreven zoeksysteem dat fabrieksdocumentatie (PDF heeft opgenomen Woord, Excel, PowerPoint, OCR afbeeldingen en Intel-specifieke formaten)—verbetert kennisverzameltijd met 60%.
- Aangepaste autoencoder-gebaseerde detectiemodellen voor wafer afbeeldingsgegevens, op schaal op de interne cloud geïmplementeerd, waardoor valse negatieve effecten bij defecte detectie worden verminderd.
- Gecreëerde computer visie oplossingen voor real-time defecte detectie (inclusief het monitoren van laserschaden) met geautomatiseerde waarschuwingen, waardoor de rendementscontrole wordt verbeterd.
- Ontworpen en geleverd een codeloos object detectieplatform, waardoor ingenieurs zonder ML-achtergronden modellen kunnen trainen en implementeren via een intuïtieve gebruikersinterface.
- Geschaalde meerdere proofs van concept (OCR, image stitching, visuele zoek) in productiesystemen die werken in Intel fabs wereldwijd.
- Intelidays, een vakantiebeheerportaal voor ongeveer 6.500 fab werknemers, die handmatige werkstromen volledig vervangen.
- Gepubliceerd en gepresenteerd twee peer-review abstracts op IMEC 2022, geaccepteerd op een zeer concurrerende interne conferentie (1% acceptatie rate).
- Bediend als een technische mentor aan jonge ingenieurs, begeleid in ontwikkeling ML modellen, pijplijnontwerp en de inzet van wolken.
Python
TensorFlow
OpenCV
PyTorchMachine Learning
Mentor (Machine Learning & AI)
- Meer dan 150 studenten wereldwijd in AI Nanogradenprogramma's gemeden, waaronder machineleren, leren en een visie op computers.
- Uitgevoerde code-beoordelingen, projectbeoordelingen en loopbaanbegeleiding om studenten te helpen aan de industriële normen te voldoen.
- Ontworpen gepersonaliseerde leerkaarten voor problematische studenten, waardoor de graduatiepercentages met 40 procent worden verhoogd.
- 1:1 sessies en groep workshops geleverd gericht op praktische ML deployment en debugging technieken.
- Erkend als een top Mentor voor het handhaven van hoge beoordelingen en het bevorderen van consistente succesverhalen van 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
- Onderzoek en implementeerde een Siamese CNN-pijpleiding voor relatieve oplage tussen 3D-voxel rasters, zorgen voor een vermindering van het geheugengebruik 90 procent ten opzichte van traditionele methoden.
- Gepubliceerd onderzoek bij ICRA 2019, getiteld “End-to-End Relative Pose inschatting van puntenwolken en Voxel Grids.”
- Ontwikkeld van een objectdetectiesysteem, geoptimaliseerd voor de Movidius Myriad-X VPU, het ondersteunen van meer dan 200 objectklassen bij LPIRC 2019 en het laten zien van de nieuwste prestaties op laag-krachtige hardware.
- Een onafhankelijke camera met weinig stroom aan IP-camera prototype met MIPI capture, JPEG compressie, neurale inferentie (via OpenVINO), en HTTP streaming, worden later gebruikt als referentie ontwerp voor edge AI applicaties.
- Gezamenlijk samengewerkt met compiler en firmware ingenieurs om ervoor te zorgen dat neurale werklasten efficiënt zijn toegewezen aan Movidius VPU's.
- Bijdrage aan het begin van het prototype van de volgende generatie ingebedde AI-processors, waarbij de nadruk wordt gelegd op het evenwicht tussen nauwkeurigheid, doorvoer en energie-efficiëntie.
PythonC++TensorFlow
Openvino
Embedded Systems
Computer VisionUitmuntendheid in techniek
Alle Machine Learning Engineers die zich hebben aangemeld bij Proxify worden gescoord van 0 tot 300 op technische uitmuntendheid, een van de vijf parameters die we evalueren. Deze score weerspiegelt uitsluitend de technische uitmuntendheid, gebaseerd op interviews, huiswerkopdrachten, live coding-sessies en/of beoordelingen van de werkprestatie. De curve laat zien hoe alle geëvalueerde Machine Learning Engineers verdeeld zijn over dat bereik, waar onze acceptatiedrempel voor deze parameter ligt, en waar Vinay zich bevindt.
Score 205 · Top 6% of engineers
Educatie
Stop met browsen.
Word sneller gekoppeld.
Praat met een expert en krijg binnen 2 dagen op maat gemaakte matches uit ons netwerk.
Toegang tot meer dan 6.000+ experts
Word binnen gemiddeld 2 dagen gekoppeld aan een ontwikkelaar
Huur snel en eenvoudig in met 94% matchingsucces