Ik train, optimaliseer en implementeer op maat gemaakte computer vision modellen in pytorch

Als AI-onderzoeker die gespecialiseerd is in computer vision en deep learning optimalisatie, bouw en comprimeer ik complexe neurale netwerken om maximale inference-snelheden te behalen op hardware setups met beperkte resources, zonder concessies te doen aan nauwkeurigheidsmetingen.

Waarom kiezen voor deze service?

• Elite modelarchitectuur afstemming: Ik ontwerp op maat gemaakte CNN-pijplijnen en finetune Vision Transformers (ViTs) om classificatienauwkeurigheden van de basislijn tot aan de hoogste klinische/operationele eisen te brengen.
• 
  
• Geavanceerde modelcompressie: Het draaien van enorme vision-modellen op edge setups is inefficiënt. Ik pas custom student-teacher Knowledge Distillation workflows toe om het geheugenverbruik te verminderen terwijl ik de modelprestaties behoud.
• 
  
• Productieklare implementaties: Geen rommelige setups. Ik zet complexe gewichten om in geoptimaliseerde ONNX Runtime omgevingen, gecombineerd met snelle prediction API’s voor naadloze real-time software deployment.

De technische stack:

• Frameworks: PyTorch, TensorFlow, ONNX Runtime.
• Architecturen: Op maat gemaakte CNN’s, ResNet, MobileNet, Vision Transformers (ViTs).
• Deploy tools: Docker, Flask/FastAPI REST-lagen, Linux