Vinay C.
Machine Learning Engineer
Han har designat, utvecklat och implementerat storskaliga AI-system för anomalidetektering, felövervakning, och dokumentsökning, utnyttja expertis inom Python, C++, PyTorch, TensorFlow, och ONNX.
Vinay har utbildat miljarder-parametermodeller, optimerade system för datorseende för lågeffektsenheter och mentoriserade globala maskininlärningsteam som främjar teknisk spetskompetens och innovation.
Han överbryggar klyftan mellan forskning och produktion, kombinerar djup teknisk expertis med strategiskt ledarskap för att leverera skalbara, kraftfulla AI-lösningar som främjar organisatoriska förmågor.
Huvudsaklig expertis
Python8 år
Machine Learning8 år
C++8 årErfarenhet7
Member of Technical Staff (MTS) Engineer
- Konstruerade och optimerade beteendemodelleringsledningar för ML-operatörskärnor som t.ex. GEMMs med FP32/FP16/BF16 precision och icke-linjäriteter, säkerställa korrekt validering på systemnivå före maskinvarudistribution.
- Förbättrade CARF (Beräkna Arkitekturreferensflödet) för att förbättra ONNX-grafens manipulation, effektivisera dataextraktion, grafpartitionering och arbetsbelastningsanalys för arkitektursimuleringar.
- Samarbeta med maskinvaruarkitekter och kompilatorteam för att utvärdera prestandaflaskhalsar och föreslå optimeringar för beräkning och minnesavvägningar.
- Automatiserad testning och benchmarking pipelines för att validera arkitektoniska förbättringar mot verkliga ML-arbetsbelastningar.
- Bidraget till konstruktionsdiskussioner om nästa generations AI-acceleratorer som anpassar programvaruarbetsflöden till kiselarkitektur.
PythonC++Machine Learning
TensorRTTechnical Project Manager (Part-time, alongside MLE role)
- Samordnade tvärfunktionella team av över 30 ingenjörer och datavetare för att anpassa AI initiativ med Intels fab verksamhet strategi.
- Etablerade smidiga arbetsflöden, inklusive scrum styrelser, sprint recensioner, och eftersläpning ledning, för att förbättra projektets synlighet och minska förseningar.
- Definierade färdplaner för anomalidetektering, OCR- och datorsiktslösningar som säkerställer leverans i tid av produktionsfärdiga system.
- Tjänas som förbindelselänk mellan intressenter, ingenjörer och ledarskap, översätta affärskrav till tekniska milstolpar.
- Övervakade användningen av AI-lösningar över flera fabriker över hela världen, hantera beroenden och strategier för att minska riskerna.
- Levererade kvartalsvisa ledningsrapporter till ledande befattningshavare, med information om ROI, adoptionsmätningar och operativ påverkan.
Project Management
Jira
Agile
Scrum
Product
Team LeadingMachine Learning Engineer
- Byggt och implementerat Unified Knowledge Platform (UKP) – ett AI-drivet söksystem som intog fabriksdokumentation (PDF, Word, Excel, PowerPoint, OCR-bilder och Intel-specifika format) - förbättra kunskapssökning tid med 60%.
- Utvecklade anpassade autokodare-baserade anomali detekteringsmodeller för wafer bilddata, utplacerade i skala på Intels interna moln, minska falska negativ i feldetektering.
- Skapade lösningar för datorseende för feldetektering i realtid (inklusive övervakning av laserskador) med automatiserade varningar, vilket förbättrar kapacitetsövervakningen.
- Konstruerad och levererad en plattform för objektdetektering som gör det möjligt för ingenjörer utan ML-bakgrund att träna och distribuera modeller genom ett intuitivt användargränssnitt.
- Skalade flera bevis på begreppet (OCR, bildsömnad, visuell sökning) i produktionssystem som fungerar i Intel-vävar över hela världen.
- Utvecklade och lanserade Intelidays som är en semesterportal för cirka 6.500 anställda och som helt och hållet ersätter kalkylbladens kalkylflöden.
- Publicerat och presenterat två refereegranskade abstracts på IMEC 2022, accepterat på en mycket konkurrenskraftig intern konferens (1% acceptansrat).
- Tjänas som en teknisk mentor till junior ingenjörer, vägleda dem i ML modellutveckling, pipeline design och moln distribution.
Python
TensorFlow
OpenCV
PyTorchMachine Learning
Mentor (Machine Learning & AI)
- Mentored över 150 studenter över hela världen i AI Nanodegree program, som omfattar maskininlärning, djupt lärande och datorseende.
- Genomförda kodgranskningar, projektutvärderingar och karriärvägledning för att hjälpa studenter att uppfylla branschstandarder.
- Konstruerade personliga inlärningskartor för kämpande studenter, vilket förbättrar examenstakten med 40%.
- Levererade 1:1 sessioner och gruppworkshops fokuserade på praktiska ML distribution och debugging tekniker.
- Erkänts som en Top Mentor för att upprätthålla höga betyg och främja konsekventa studentframgångssagor.
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
- Undersökte och genomförde en Siamese CNN-pipeline för relativ pose estimation mellan 3D voxel grids, uppnå en 90-procentig minskning av minnesanvändningen jämfört med traditionella metoder.
- Publicerad forskning vid ICRA 2019 med titeln ”End-to-End Relative Pose Estimation of Point Clouds and Voxel Grids”.
- Utvecklat ett objektdetekteringssystem optimerat för Movidius Myriad-X VPU, stöd för över 200 objektklasser vid LPIRC 2019 och demonstrerade toppmodern prestanda på lågeffektsmaskinvara.
- Konstruerade en fristående IP-kamera med låg effekt prototyp med MIPI-fångst, JPEG-komprimering, neuralinferens (via OpenVINO), och HTTP-strömning, används senare som referensdesign för edge AI-applikationer.
- Samarbete med kompilatorer och firmware-ingenjörer för att säkerställa neurala arbetsbelastningar kartlades effektivt på Movidius VPUs.
- Bidragit till tidig prototyping av nästa generations inbyggda AI-processorer, med fokus på balansering av noggrannhet, genomströmning och effektivitetseffektivitet.
PythonC++TensorFlow
Openvino
Embedded Systems
Computer VisionIngenjörsexcellens
Alla Machine Learning Engineerer som har ansökt till Proxify får ett betyg från 0 till 300 på ingenjörskompetens, en av de fem parametrar vi utvärderar. Detta betyg speglar endast ingenjörskompetens och baseras på intervjuer, hemuppgifter, live-kodningssessioner och/eller prestationer på jobbet. Kurvan visar hur alla utvärderade Machine Learning Engineerer är fördelade över det intervallet, var vår accepteringsgräns för denna parameter ligger och var Vinay befinner sig.
Score 205 · Top 6% of engineers
Utbildning
Sluta bläddra.
Få matchad snabbare.
Prata med en expert och få skräddarsydda matchningar från vårt nätverk på bara 2 dagar.
Tillgång till över 6 000+ experter
Hitta en utvecklare i genomsnitt 2 dagar
Anställ snabbt och enkelt med 94% matchningsframgång