Stefan Mićić
验证专家 in Engineering
机器学习工程师和开发人员
Stefan是一位经验丰富的机器学习和机器学习操作(MLOps)工程师,拥有大数据系统的实践经验. 他拥有十年的专业知识,还拥有人工智能硕士学位. Stefan研究过物体检测等问题, 分类, 情绪分析, 命名实体识别, 推荐系统. 他一直期待参与端到端机器学习项目.
Portfolio
Experience
Availability
首选的环境
PyCharm, Python 3, Python, GitHub, Amazon S3 (AWS S3), JSON,分布式系统
最神奇的...
...我创建的端到端机器学习解决方案多次优化了机器学习管道的成本,并获得了最先进的结果.
工作经验
MLOps工程师
百事全球- DPS
- 使用PySpark机器学习管道实现端到端管道.
- 使用GitHub操作实现了单元和集成测试的CI/CD.
- 实现了处理大容量数据(150tb)的Spark和scikit-learn/Pandas ETL作业.
技术主管数据工程师
Motius
- 带领一个小团队实现ELT管道,从GraphQL数据库获取数据并将其放入Azure SQL中. 所有内容都被Dockerized并推送到Azure映像注册表.
- 使用PySpark实现KPI计算,PySpark与Snowflake通信. 为Snowflake定义了表模式,并创建了迁移脚本.
- 遵循Scrum方法论,包括每日Scrum、复古和计划,并使用Jira.
- 带领一个小团队使用Apache气流作为编排器实现ETL Spark作业, AWS是基础设施,Snowflake是数据仓库.
MLOps工程师
Lifebit
- 使用量化进行深度学习模型优化, ONNX运行时, and pruning, among others.
- 监控模型性能,包括内存、延迟和CPU使用情况.
- 使用Valohai自动化CI/CD过程,使用GitHub的行为自动化MLOps生命周期的某些部分.
- 使用Amazon CloudWatch创建了自动实验跟踪, Valohai, Python, GitHub的行为, 和Kubernetes.
机器学习工程师
HTEC Group
- 使用Open Neural network Exchange (ONNX)优化已经在训练网络上的机器学习编译器,而无需重新训练,并使用PyTorch和c++实现自定义操作符.
- 致力于Android机器学习解决方案,并指导经验不足的开发人员训练和准备对象检测器和分类器,以便在Android设备上顺利运行.
- 增强了一个旨在将图像升级到尽可能完美的4K分辨率的项目.
- 参与船舶路线的SDP问题. 从零开始实现了一个算法来引导船只. 油耗和预计到达时间被用于计算.
- 致力于开源ONNX运行时,以增加对MIGraphX库的支持.
机器学习工程师
SmartCat
- 使用MLflow进行模型版本控制,为完成MLOps生命周期做出贡献, 用于数据版本控制的LakeFS, 用于数据存储的AWS S3, 和TensorFlow在Docker中服务.
- 作为数据工程师,使用Apache火花完成ETL作业,使用Prefect和Apache气流进行调度.
- 训练了几种不同的目标检测和分类体系结构.
机器学习工程师
Freelance
- 从各个网站搜集产品信息, 然后使用自然语言处理-长短期记忆(LSTM)对抓取的数据进行分析和准备。, Word2Vec, 和转换器——因为数据是塞尔维亚语,所以添加了NER.
- 使用亚马逊SageMaker实现机器学习流水线数据预处理自动化, 模型训练, 和部署. 执行模型的自动再培训和部署, 在客户端更新新数据之前完成机器学习过程.
- 使用Apache火花, Kafka, Hadoop和MongoDB进行大数据项目.
- 作为数据工程师,使用Spark创建优化的ETL管道. 将客户的需求转换为SQL.
Experience
自动化端到端(E2E)计算机视觉解决方案
•检测房间中的物体
•分类人的姿势
•自动再培训(主动学习)
•模型和数据版本控制
•码头化管道
利用这些模型和预测, 我们创建了一个后处理管道,用于为客户创建报告或关键绩效指标(kpi).
Android COVID-19测试分类
我在这个项目上领导了一个两个人的团队. 我们使用MobileNet是因为它的规模,所有与业务相关的指标都很棒. 我们使用了许多优化技术将模型部署到Android上, 比如量子化, pruning, 知识的提炼.
MLOps工程师
图像超分辨率
ETL Jobs
•优化解决方案,降低成本和计算时间.
•通过气流和Prefect计划作业.
技术栈是:Spark、Scala、AWS S3、Kafka、Apache气流和Prefect.
NLP文章处理
1. 找到所有相关的标签(事件、地点、名称等).)在文章中.
2. 找到在某种程度上相关的标签对.
拥抱脸变压器主要用来解决这个问题(基于bert的模型). 总体指标高于95%.
数据摄取
DE项目的技术领导
Skills
Languages
Python 3, Python, SQL, Scala, Java, Snowflake, GraphQL
Frameworks
Spark, Apache火花
库/ api
PyTorch, Keras, NumPy, Scikit-learn, REST api, TensorFlow, Pandas, PySpark
Tools
PyCharm, GitHub, Apache气流, Pytest, 亚马逊SageMaker, Codeship, AWS Glue
Paradigms
数据科学、ETL、DevOps
Platforms
亚马逊网络服务(AWS), Jupyter笔记本, Visual Studio Code (VS Code), Docker, Kubernetes, Amazon EC2, Apache卡夫卡, Azure, Databricks, 谷歌云平台(GCP)
Storage
Amazon S3 (AWS S3), JSON,数据库,NoSQL, MongoDB,数据管道,Azure SQL
Other
深度学习, 机器学习, 人工智能(AI), 计算机视觉, 自然语言处理(NLP), 自然语言理解(NLU), 卷积神经网络, 递归神经网络(rnn), 机器学习操作(MLOps), 神经网络, AI Design, 深度神经网络, 软件工程, 技术招聘, 源代码审查, Code Review, 任务分析, 面试, GPT, 生成预训练变压器(GPT), 工程数据, 推荐系统, 开放神经网络交换(ONNX), Lens Studio, 优化, 团队的领导, Valohai, Time Series, 数据建模, Data Mining, Monitoring, Big Data, 图像处理, 变形金刚, Cloud, 对象检测, 计算机视觉算法, 对象跟踪, Web开发, 语音识别, 语音识别, 云服务, ETL Tools, 分布式系统, 数据分析, CI / CD管道, 拥抱的脸, BERT, Back-end, APIs, 软件架构
行业专业知识
项目管理
Education
人工智能硕士学位
诺维萨德大学-诺维萨德,塞尔维亚
认证
AWS认证机器学习-专业
亚马逊网络服务