工作职责:
领导核心ML团队的9个软件/算法工程师在帕洛阿尔托和加拿大开发和部署下一代自主系统的批量生产车辆。 合作包括在德国、印度和台湾省由30名成员组成的团队。
创建了内部深度学习框架 基于pyTorch，代码名称: 萤火虫ML 
维护3条型号生产线: .
MagNet: 主要生产线，目标芯片: TI TDA4，多任务学习: 动态目标检测，交通灯检测，遮挡检测，语义分割
小磁网: 小设备（机密），后摄像头独立解决方案，多任务学习: 动态对象检测，遮挡检测
Mag Det: 演示和检测仅管道，支持骨干和检测头的自由组合 
主导自主系统框架(代号: Magnetics) : 使用ROS2作为Pub子中间件.. 支持多容器封装，大大提高了自主车辆软件栈的开发速度和系统可靠性.. 引领感知全栈整合
为模型培训/评估管道建立了现场KubernetesML集群 
创建和维护使用gRPC服务管道的模型，并支持TensorRT/PyTorch/ONNXRuntime后端
建立数据管理/加载管道与火花
用于统一开发，培训和部署环境的容器化ML解决方案

工作职责:
团队的主要成员之一，开发和维护内部机器学习框架魔术师与Tensorflow。 该框架支持4个团队开发其ML产品。
开发了管道容器的机器学习模型与Docker，并部署培训与4-8GPU（每个）到AWS集群 Kubernetes。 建立了EFS和S3的数据输入和输出管道。 
神经结构搜索(NAS)通过训练数百个目标检测模型与更快的RCNN，单热检测器(SSD)和视网膜网络与各种骨干 (Resnet18/34/50/101，ResNeXt，移动网络及其变化)，学习时间表，匹配器等。 优化了结构，提高了MAP的15%，召回率为30%， 精密度为40%。 
开发了数据集管理管道与谷歌大查询和AWSS3服务。 用于目标检测模型训练和部署到自动驾驶车队上的里程碑数据集。 
创建全景对象检测管道，将6个摄像机输入拼接到360度视图中，并训练部署Retina网（变体）。 实现了3X加速总检测延迟，大大减少了大型对象上的重复检测和假阴性。 Hackathon的聚光灯项目 
开发了下一代机器学习平台萤火虫ML与PyTorch1.3，在TensorRT上建立了评估和部署管道，在SSD上实现了16ms，与以前平台上的27ms相比达到了16ms。

工作职责:
在YOLOv3-Tiny（变异）上开发了模型压缩算法，实现了1/10的模型大小和3X速度。
量化到int8，<3%mAP下降4X速度，并部署到Xilinx FPGA ZynqZCU102
建立了部署管道，并将量化(Float16)目标检测模型(Caffe/TensorFlow)实时部署到NvidiaDrivePX2/AGXXaivier，并对15 个FPS进行了TensorRT和8个摄像机(Max)。
05/2017–08/2017
宾夕法尼亚州州立大学州立学院研究助理 08/2014–05/2017
研究助理 ， 迈阿密大学 ， 牛津 ， 俄亥俄州 08/2011–08/2013
研究项目:
论文: 速率和压力瞬态分析的自动神经模拟协议
目的是将数值计算与人工智能相结合，取代人类专家进行井时间序列数据分析。 
将深度学习(核I)与科学计算(核II)与C++相结合，获得较高的计算效率。 应用现代C++（14）和Python接口。 内置NVIDIA JetsonTK1嵌入式开发板w/CUDA加速。
Kernel I: PSNet: 神经网络开发框架 
实现了多种学习算法: 弹性反向传播、缩放共轭梯度和Levenberg-Mar quardt 
在抽象矩阵操作中内置实现。 具有统一的矩阵包接口，可以支持自定义/特征/Armadillo矩阵库。 戏剧性地减少了编码/调试/计算负载
Kernel II: GNRS: 广义数值油藏模拟器
设计并实现了一种用于多孔介质中计算流体动力学(CFD)的综合复杂数值模拟器
支持三维几何与复杂的网格和协调系统与多相和组件流体流动
应用自动微分，大大降低了计算复杂度
BOOK CHAPTERS
• Turgay Ertekin, Qian Sun, Jian Zhang, Reservoir Simulation: Problems and Solutions, Chapter 1-4, 9. Society of Petroleum Engineers, 2019. ISBN: 978-1-61399-693-5
RECENT INVITED TALKS
• Neuro-Simulation – An Integration of AI & Numerical Optimization in Reservoir Simulation, Smart Field Consortium, School of Earth, Energy & Environmental Sciences, Stanford University, May 2019.
CERTIFICATES:
• Machine Learning (Stanford) – Coursera
• Self-Driving Car Nanodegree – Udacity