迪利普·马修·托马斯，印度喀拉拉邦科钦的开发者
Dilip is available for hire
Hire Dilip

迪利普·马修·托马斯

Verified Expert  in Engineering

机器学习开发人员

Location
高知，喀拉拉邦，印度
至今成员总数
April 11, 2019

同时获得计算机科学与工程博士学位, Dilip在该行业拥有超过十年的经验. 自2015年以来，他一直专注于与机器学习和深度学习相关的项目. Dilip注重细节，这有助于与领域科学家密切合作，提高精细图像分类模型的准确性和可靠性, 目标检测与分割, 自然语言处理, 时间序列预测, 生成式人工智能.

Algorithms机器学习Deep LearningComputer Vision人工智能(AI)AI Programming自然语言处理(NLP)PythonPython 2Python 3PandasOpenCVKeras科学数据分析数据可视化

Portfolio

独立咨询公司
Scikit-learn, PyTorch, Keras，人工智能...
Vyby Inc
人工智能(AI)、稳定扩散、谷歌云平台(GCP)...
Photograde
Scikit-learn，深度学习，计算机视觉，Redis, FastAPI, Flask, REST api...

Experience

人工智能(AI) - 8年计算机视觉- 8年深度学习- 8年机器学习- 8年Scikit-learn - 8年PyTorch - 6年自然语言处理(NLP) - 3年拥抱脸- 2年

Availability

Part-time

首选的环境

Git, Scikit-learn, PyTorch, Keras, Ubuntu

最神奇的...

...我做过的项目是使用一系列相机和计算机视觉技术实现工厂自动化.

Work Experience

AI /毫升顾问

2015 - PRESENT
独立咨询公司
  • 通过将高级产品需求转换为技术需求，在几个早期初创公司中担任CTO的角色. 设计实验，指导初级工程师构建和评估AI模型.
  • 执行学术出版物，并根据客户的要求进行定制. 提供深度学习和机器库(如PyTorch)方面的实践经验, TensorFlow, Keras, Hugging Face, 和scikit-learn.
  • 架构的自然语言处理和稳定的扩散模型与拥抱脸库.
  • 与领域专家合作，了解数据中的细微差别和偏见，并使用他们的反馈来创建更好的特征和数据来训练人工智能模型, 提高准确性和可靠性.
  • 使用分类和度量学习技术的组合构建细粒度视觉分类模型，以提高准确性和鲁棒性.
  • 考虑用户对图像样式的要求，构建了从草图生成图像的生成图像模型.
  • 使用卷积循环神经网络从图像中执行文本识别.
  • 开发了一种用于服装检测的物体检测模型.
  • 使用无监督技术在监控摄像机视频馈送中创建异常检测原型.
  • 为人群设计的原型，依靠街头摄像头的视频.
技术:Scikit-learn, PyTorch, Keras，人工智能, 自然语言处理(NLP), Hugging Face, Fine-tuning, 图形处理器(GPU), Data Science, Computer Vision, Deep Learning, 机器学习, Algorithms, Data Scientist, Linux, Python 2, Python 3, Git, Python, XGBoost, Pandas, Programming, Integration, 用户界面(UI), Models, Cloud, OpenCV, AI Programming, Research, 卷积神经网络, 图像处理, Image Analysis

AI/ML顾问b|生成式AI

2023 - 2023
Vyby Inc
  • 将业务用例转换为构建MVP的技术问题陈述.
  • 使用基于ChatGPT创建的文本提示的稳定扩散生成图像.
  • 将生成的图像转换成视频渲染与3D摄影使用上下文感知分层深度绘画.
  • 使用稳定的扩散 AUTOMATIC1111 web UI的API功能构建后端API.
Technologies: 人工智能(AI)、稳定扩散、谷歌云平台(GCP), 自然语言处理(NLP), Hugging Face, Deep Learning, 机器学习, Computer Vision, Linux, Python 2, Python 3, Git, Python, 图形处理器(GPU), Data Scientist, Pandas, Programming, Integration, Models, Cloud, OpenCV, AI Programming, 卷积神经网络, 图像处理

AI/ML顾问|模型精度改进 & Deployment

2022 - 2023
Photograde
  • 通过与领域专家互动，设计和实施实验以选择正确的模型训练特征，提高ML模型的准确性，使其与竞争对手持平或更好.
  • 设计并实现了使用FastAPI的异步api和使用Redis和作业队列的作业管理系统，以扩展模型部署以供多用户并发使用.
  • 将模型部署到生产环境中，并开发后端Flask REST API接口与模型交互.
  • 开发后端Flask REST API接口，训练模型学习用户的照片编辑风格.
技术:Scikit-learn，深度学习，计算机视觉，Redis, FastAPI, Flask, REST api, 谷歌云平台, Python-rq, 机器学习, 人工智能(AI), MySQL, Data Scientist, Linux, Python 2, Python 3, DevOps, Git, Python, Fine-tuning, 图形处理器(GPU), XGBoost, Pandas, Programming, Integration, 用户界面(UI), Models, Cloud, OpenCV, AI Programming, 数据可视化, 卷积神经网络, 图像处理, Image Analysis

人工智能/机器学习顾问| R&D数量金融

2020 - 2022
AlphaBeta
  • 从零开始完成了几篇学术研究论文，训练和测试了像变压器这样的机器学习模型, 时间序列模型, CNN models, random forest, 以及金融数据上的梯度增强树.
  • 开发了计算各种技术和基本金融变量的代码.
  • 编写代码，从金融数据库中提取和后处理市场和收益数据.
技术:人工智能(AI), 机器学习, Scikit-learn, TensorFlow, PyTorch, XGBoost, Keras, MySQL, Data Scientist, Linux, Python 2, Python 3, Git, Python, Fine-tuning, 图形处理器(GPU), Pandas, Programming, Models, AI Programming, Research, 数据可视化

人工智能/机器学习顾问| R&D计算机视觉

2017 - 2021
Streamoid技术
  • 通过纠正数据偏差，为时尚类别开发了高度精确的对象检测模型. 为小对象构建对象检测模型，并进行优化以提高推理速度.
  • 通过对模型弱点的仔细分析，提高了时尚属性分类模型的准确性, 试验更好的技术, 消除数据偏差.
  • 使用传统的计算机视觉算法和训练好的语义分割模型生成像素级标注数据. 通过对标注错误的分析和修正，提高了语义分割模型的准确性.
  • 设计并开发了一个使用像素投票方案的自定义颜色分类CNN网络，用于在高噪声图像中检测时尚服装的主色.
技术:PyTorch, TensorFlow, Scikit-learn, Keras, Deep Learning, Computer Vision, Linux, Python 2, Python 3, Git, Python, Fine-tuning, 图形处理器(GPU), XGBoost, Data Scientist, Pandas, Programming, Integration, 用户界面(UI), Models, Cloud, OpenCV, AI Programming, Research, Bitbucket, 数据可视化, 卷积神经网络, 图像处理, Image Analysis

人工智能/机器学习顾问| R&D计算机视觉

2015 - 2018
Uncanny Vision
  • 使用自编码器神经网络和一类分类方法，创建并实施了几个实验，以开发视频监控用例的异常检测模型.
  • 通过调试模型训练过程中的收敛问题，提高了人体姿态检测模型的准确性.
  • 针对极具挑战性的车辆车牌识别场景，开发了自动车牌识别模型. 利用计算机视觉和计算机图形学技术综合生成车辆车牌训练数据.
  • 设计并开发了一个使用目标检测读取模拟仪表值的系统, segmentation, 以及数字识别模型.
  • 训练使用CNN和LSTM模型识别图像中的文本的模型.
技术:深度学习, 人工智能(AI), 机器学习, Python 3, Python, Caffe, TensorFlow, Keras, PyTorch, Scikit-learn, Computer Vision, Linux, Git, Fine-tuning, 图形处理器(GPU), Data Scientist, Programming, Models, Cloud, OpenCV, AI Programming, Research, Bitbucket, 数据可视化, 卷积神经网络, 图像处理, Image Analysis

计算机科学家

2015 - 2015
Adobe
  • 研究了使用拓扑方法进行数据分析.
  • 探索了Adobe数字营销组合的研究用例.
  • 设计了一个主题建模系统，从用户的手机使用情况来了解用户的行为和参与度.
技术:Python, Data Science, 人工智能(AI), Computer Vision, Deep Learning, 机器学习, Algorithms, Git, Scikit-learn, Data Scientist, Programming, 数据可视化

技术人员

2006 - 2007
NetApp
  • 设计并实现虚拟磁带库的重复数据删除模块.
  • 开发了一个概念验证，以显示重复数据删除的有效性.
  • 维护内容管理模块的后端代码.
技术:c++、C、数据科学、人工智能、算法、编程

高级软件工程师

2002 - 2006
Philips
  • 为心血管干预软件的工作流程管理设计并实施增强功能.
  • 创建并开发了一个内存管理模块，用于高效的图像存储和检索.
  • 构建患者数据库的导入和导出模块.
  • 在荷兰飞利浦医疗系统公司进行现场系统集成和测试.
  • 在软件发布之前，生成测试用例并测试不同的模块.
技术:c++， C，算法，编程

监控视频馈送中的异常检测

该项目回顾了使用无监督机器学习技术检测视频异常的不同技术. 我们探索了重建的使用, predictive, 以及这个项目中基于深度学习的生成模型.

这些基于重构的模型构建的表示将训练样本的正态分布重构误差最小化. 时空预测模型通过将视频视为一个时空时间序列并学习表征来最小化时空序列的预测误差，从而考虑相关性. 生成模型学习从训练分布中生成样本，同时最小化重构误差和生成分布与训练分布之间的距离. 这些方法都侧重于学习对构建视频异常检测任务的表示有用的先验信息.

Languages

Python, Python 3, Python 2, c++， C

Libraries/APIs

Keras, Scikit-learn, Pandas, OpenCV, PyTorch, TensorFlow, VTK, REST api, XGBoost, Python-rq

Paradigms

数据科学，DevOps

Other

机器学习, Deep Learning, Computer Vision, 人工智能(AI), Algorithms, 自然语言处理(NLP), Fine-tuning, 图形处理器(GPU), Programming, Models, AI Programming, Research, 卷积神经网络, 图像处理, 计算拓扑, 科学数据分析, Hugging Face, Integration, Cloud, 数据可视化, Image Analysis, 计算几何, 稳定的扩散, FastAPI, Data Scientist, 机器语言, 用户界面(UI)

Tools

Bitbucket, Git

Platforms

Linux、Ubuntu、谷歌云平台(GCP)

Frameworks

Caffe, Flask

Storage

Redis, MySQL

2009 - 2015

Ph.D. 计算机科学与工程硕士

印度科学研究所-班加罗尔，印度

2007 - 2009

计算机科学与工程硕士学位

印度科学研究所-班加罗尔，印度

1998 - 2002

计算机科学与工程学士学位

印度卡利卡特国立理工学院