Mikayel Samvelyan，英国伦敦的开发者
Mikayel is available for hire
Hire Mikayel

Mikayel Samvelyan

验证专家  in Engineering

机器学习开发人员

Location
英国伦敦
至今成员总数
May 1, 2018

拥有牛津大学硕士学位, Mikayel是一名机器学习专家和数据科学家，专门研究自然语言处理, 计算机视觉, 强化学习. 他在深度学习解决方案的研究和开发方面拥有丰富的经验，并曾在Reddit等公司工作, Mentor, and USC. Mikayel在领先的机器学习会议上与人合作撰写了几篇科学出版物.

Deep Learning机器学习自然语言处理(NLP)PythonC++PyTorchTensorFlowRobotics数据可视化UnixJupyterSciPyNumPyPandasFlask

Availability

Part-time

首选的环境

PyCharm, Vi

最神奇的...

...我所从事的项目是开发一种新的AI算法来掌握《欧博体育app下载》的游戏.

工作经验

研究工程师(计算机视觉)

2020 - 2020
南加州大学信息科学研究所(通过Toptal)
  • 为视频预测模型构建了一个可扩展的管道，该管道在多个远程GPU实例上并行运行.
  • 执行姿态估计，并将3D对象投影到视频中相应的2D投影.
  • 使用Python和OpenCV开发了一个运动检测软件.
  • 使用OpenCV和Dlib构建了一个头部姿态估计库.
  • 开发了基于YOLO的实时目标检测库.
  • 在USC ISI的现场访问期间，该工作已提交给DARPA.
技术:OpenCV, Python

机器学习专家

2019 - 2019
Reddit(来自Toptal)
  • 使用PyTorch为大规模自然语言处理任务开发深度学习解决方案.
  • 微调预训练的NLP模型，如BERT、XLNet和RoBERTa.
  • 使用LDA、NMF等方法进行主题建模实验.
  • 为大规模自然语言分类任务构建模块化管道.
  • 使用BigQuery分析大规模数据集.
技术:亚马逊SageMaker, Custom BERT, PyTorch, Python

Data Scientist

2018 - 2019
汉兰达科技有限公司. (via Toptal)
  • 使用PyTorch为大规模自然语言处理任务开发和优化深度学习解决方案.
  • 实现了对大量数据的噪声和新颖性检测.
  • 对原始数据和噪声数据进行严格的数据挖掘.
  • 创建了一个API端点，将模型用于多类分类.
  • 构建了大规模多类分类的机器学习流水线.
技术:亚马逊SageMaker, PyTorch, Python

机器学习顾问

2018 - 2018
Mission Ready Marketing, LLC(通过Toptal)
  • 为推荐引擎中使用的机器学习方法设计了一个管道.
  • 研究了在没有历史数据的情况下使用无监督学习技术构建推荐系统的方法.
  • 分析了基于物品、基于用户、基于矩阵分解和混合推荐系统.
  • 创建了完整的技术方法文档，用于将项目的学习组件与数据库和后端连接起来.
技术:Python

机器学习研究

2018 - 2018
XIX.ai
  • 在卫星、无人机和地面图像上搜索和识别物体.
  • 设计并实现了一种大规模车队管理的深度强化学习算法.
  • 使用Python为叫车服务创建了一个模拟器.
  • 建立了一个机器学习框架来预测用户的意图.
技术:谷歌视觉API, Sacred, PyTorch, Python

研发工程师

2014 - 2016
导师图形
  • 对逻辑优化、划分、放置和路由的算法进行了研究.
  • 为设计捕获开发了统一的环境, 仿真设置, verification, 并分析了一个定制集成电路设计平台.
  • 将环境与第三方IDE软件集成.
  • 使用Lex和Yacc创建了各种可重用的编译器.
技术:Amazon Lex、Yacc、c++

软件工程师

2012 - 2013
煽动机器人
  • 为机器人应用构建固件和软件.
  • 开发3D打印技术.
  • 用c++和Qt创建应用程序的图形用户界面(GUI).
  • 在STM32和Arduino mcu上设计和实现各种嵌入式应用.
  • 搭建机器人教育发展环境.
技术:Qt, Smalltalk, c++， C

软件工程实习生

2012 - 2012
煽动设计
  • 在多处理器计算机上为并行计算开发了一个独立于硬件/软件的环境.
  • 支持编译器前端的开发.
技术:Clang, c++

深度多智能体强化学习的单调值函数分解

http://proceedings.mlr.press/v80/rashid18a.html
QMIX是一种最先进的基于值的协同深度多智能体强化学习算法，用于集中训练和分散执行的设置.
QMIX采用神经网络，将联合动作值估计为每个代理值的复杂非线性组合，仅以局部观察为条件. 我们从结构上强制联合作用值在每个代理值中是单调的, 在非策略学习中，哪一种方法可以实现联合行动价值的可处理最大化, 并保证集中和分散政策之间的一致性.

QMIX在ICML 2018上发布，ICML 2018是机器学习研究的主要会议之一.

PyMARL: Python多代理强化学习

http://github.com/oxwhirl/pymarl
PyMARL是一个用于深度多智能体强化学习的研究平台，它允许开箱即用的实验和开发.

用PyTorch编写, PyMARL提供了一些最先进的方法的实现，比如QMIX, COMA, 自主Q-Learning.

与伯克利人工智能研究实验室合作, 以上的一些算法也已经成功移植到可扩展的RLlib框架中.

SMAC:星际争霸多智能体挑战赛

http://github.com/oxwhirl/smac
星际争霸多智能体挑战(SMAC)是合作多智能体强化学习(MARL)的一个基准，它提供了部分可观察性的元素, 具有挑战性的动态, 以及高维观察空间. SMAC是使用星际争霸2游戏引擎构建的, 为协作式强化学习的研究创造了一个测试平台，其中每个游戏单元都是一个独立的强化学习代理.

摘要:http://arxiv.org/abs/1902.04043
网站:http://whirl.cs.ox.ac.uk/blog/smac/
NVIDIA博客:http://nvda.ws/2I88F1I

SMAC在AAMAS 2019上展出, agent和多agent系统领域最大和最具影响力的会议.

ADAM视觉知觉

http://github.com/isi-vista/adam-visual-perception
我们的学习过程依赖于拥有一个相当丰富的(尽管在发展上是合理的)输入表征. 本知识库探讨了如何通过算法捕获视觉感知的两个方面，这两个方面对早期语言学习至关重要, 即运动原因检测和凝视对象检测.

Languages

C++, C#, Python, Java, Lua, SQL, R, C, Objective-C, Smalltalk, Assembler x86, Prolog, Lisp, JavaScript, Octave

Frameworks

Flask, .NET, Qt, Spark

库/ api

SciPy, NumPy, Pandas, PyTorch, TensorFlow, Scikit-learn, Keras, OpenCV, Spark ML, PySpark, 谷歌视觉API, Google APIs

Tools

Jupyter, LaTeX, Makefile, Vim文本编辑器, Subversion (SVN), Git, PyCharm, CVS, MATLAB, Tmux, Tableau, Amazon Lex, Sacred, BigQuery, 亚马逊SageMaker, AutoML

Platforms

Unix、Docker、MacOS、Linux、Amazon EC2、Amazon Web Services (AWS)

Other

系统编程, Deep Learning, 强化学习, 自然语言处理(NLP), Custom BERT, Statistics, 分类, 预测建模, 机器学习, Mathematics, 数据可视化, GPT, 生成预训练变压器(GPT), Robotics, 计算机视觉, 推荐系统, Big Data, 图像处理, Physics, Vi, Yacc, Clang, 时间序列分析

Paradigms

需求分析，设计模式，数据科学

Storage

MongoDB, PostgreSQL, Redshift

2016 - 2017

计算机科学硕士学位

牛津大学-英国牛津

2014 - 2016

计算机科学与应用数学硕士学位

埃里温州立大学-埃里温，亚美尼亚

2010 - 2014

计算机科学与应用数学学士学位

埃里温州立大学-埃里温，亚美尼亚

2013 - 2013

计算机科学本科生交换项目

美国克利夫兰三角洲州立大学

2015年8月至今

CS190.1x:可扩展机器学习

加州大学伯克利分校通过edX

2015年5月至今

算法:设计与分析，第2部分

斯坦福大学通过Coursera

2015年4月至今

算法:设计与分析，第1部分

斯坦福大学通过Coursera

有效的合作

如何使用Toptal

在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.

1

分享你的需求

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2

选择你的才能

在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3

开始你的无风险人才试验

与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.

对顶尖人才的需求很大.

Start hiring