史蒂夫托马斯,软件开发商在旧金山,加州,美国
史蒂夫托马斯

软件开发人员在旧金山,加州,美国

成员自2020年6月15日以来
史蒂夫是一家关于机器学习和自动化数据密集型工作流程的软件工程师。他的目标是自由科学家和BI分析师创造和维护复杂的云环境,以便他们可以专注于他们所做的最佳。他在一些顶级自主车辆公司和建筑工程中与跨学科感知团队合作的经验,以自动化模型培训生命周期。
史蒂夫现在 可用的 for hire

文件夹

  • 发动机ML.
    亚马逊Web服务(AWS),涌入,Elasticsearch,Pytorch,Tensorflow ...
  • 自雇人士
    亚马逊Web服务(AWS),AWS,Docker,Pytorch,Tensorflow,C ++,Python

经验

地点

旧金山,加州,美国

可用性

兼职

优选的环境

亚马逊Web服务(AWS),Linux,AWS,Kubernetes,Docker,Intellij,Pycharm

最神奇的......

......我'已经发达了我的公司'S整体机器学习实验跟踪产品提供所以用户可以合作,从目视比较他们的运行。

就业

  • 软件工程师/居民深度学习专家

    2018年 - 2020年
    发动机ML.
    • 设计和编程我们当地的Freemium,允许用户在自己的硬件上运行深度学习实验,持续所有相关的日志和指标,并将引擎仪表板的结果与其云作业相结合。
    • Led research showing how layer-wise optimizers (e.g. LAMB) can train object detectors with large batch sizes in a fraction of the time without performance degradation. Results can be found on our company blog at //bit.ly/35gfM0P.
    • 设计和编程警报服务,通知用户在他们的实验进入终端状态时或者通过分析实验,他们的实验可能进入竞争条件'S日志输出和GPU利用率。
    • 设计和编程了一个特征,可以从S3桶预先获取训练数据,使用Alluxio和Alluxio的基于保险丝的POSIX API将其存储在内存中的读取缓存中,导致读取远程文件时最多5倍的加速。
    • Built a cat detector that was trained live in five minutes on 64 GPUs at VentureBeat Transform 2019 using a TensorFlow implementation of RetinaNet. The demonstration by our CEO can be found at //bit.ly/2YdMbnr.
    技术:亚马逊网络服务(AWS),涌入,弹性初搜索,Pytorch,Tensorflow,Gradle,Kotlin,Python,AWS,Kubernetes,Docker
  • 独立机器学习研究员

    2016 - 2018.
    自雇人士
    • 在Lyft Perception挑战2018中实现了“顶级竞争者”的状态,是使用Reset-152作为骨干的谷歌的Deplabv3的调整版本。
    • Designed and integrated perception, behavior planning, trajectory generation, and controller modules so Udacity’s driverless car could safely navigate a road with traffic lights (//github.com/sathomas2/CarND-Capstone-Solution).
    • 通过阅读和复制论文教导自己深入学习和数学理论的主要发展。
    技术:亚马逊Web服务(AWS),AWS,Docker,Pytorch,Tensorflow,C ++,Python

经验

  • 训练面膜-RCNN 10x更快地用羊羔(开发)

    我经过实验证明,大型批量培训不会对物体检测神经网络的性能产生负面影响。我展示通过选择正确的优化器以及正确的学习率计划,通过使用大量的分布式GPU,培训时间可以从数周到不到一天的时间。此外,我对AWS现场实例进行了所有实验,大大降低了计算成本。

  • 培训猫探测器在不到五分钟的时间(开发)的64个GPU上。
    //www.youtube.com/watch?v=GKVbPFpEBHk&feature=youtu.be&t=6724

    我设计并编码了一个触摸猫探测器,在64个GPU上在Ventbeat转换2019年在Ventoverflow实现的64 GPU上培训了5分钟。我们首席执行官的演示可以在YouTube上找到。我负责创建模型以及创建AWS云环境和Kubernetes群集,其中培训了培训。

技能

  • 语言

    Python, kotlin., C ++
  • 图书馆/ API.

    纹orflow., Pytorch.
  • 平台

    Docker., Kubernetes., 亚马逊网络服务(AWS), Linux.
  • 其他

    领导,, 沟通, 团队合作, 深度学习, AWS., 算法, 机器学习, 对象检测, 计算机视觉, 分析思维, 罗斯, 本土化, PID控制器, 加强学习
  • 构架

    django
  • 工具

    Pycharm., Intellij.,
  • 贮存

    Elasticsearch., 涌入

教育

  • 掌握 '哲学学位
    2012年 - 2014年
    纽约大学 - 纽约,纽约
  • 学士'英语和经济学的学位
    2006年 - 2010年
    Bowdoin College - 布伦瑞克,我

认证

  • 自动驾驶汽车工程师纳迪格格
    2018年4月 - 至今
    udacity.
  • 图形搜索,最短路径和数据结构
    2018年4月 - 至今
    Coursera.
  • 划分并征服,排序和搜索,以及随机算法
    2018年4月 - 至今
    Coursera.
  • 深度学习基础纳迪格格
    2017年9月 - 至今
    udacity.
  • 机器学习
    2017年2月 - 至今
    Coursera.

查看更多个人资料

加入Toptal.
与他人分享