Tu Phan · Phần mềm · Machine learning · Nền tảng
Sáu năm với ba mảng công việc: machine learning chạy thật trong môi trường production, sản phẩm full-stack và di động, cùng nền tảng đám mây bên dưới chúng. Tôi là đồng sáng lập kiêm CTO của Body.Scratch, nơi toàn bộ phần kỹ thuật do tôi vận hành, và ZinZinTech là studio đã đăng ký của riêng tôi, nơi tôi thiết kế, xây dựng và phát hành ứng dụng từ đầu đến cuối.
Sẵn sàng nhận vị trí kỹ sư bán thời gian tại Hà Lan. Không cần bảo lãnh lao động.
Giới thiệu
Kỹ sư phần mềm với sáu năm kinh nghiệm quốc tế tại sáu quốc gia. Tôi làm việc ở ba tầng của cùng một bài toán: các mô hình, sản phẩm bao quanh chúng, và hạ tầng để chúng chạy. Gần đây nhất, điều đó có nghĩa là các mô hình thị giác máy tính phục vụ lưu lượng thật, một backend Java và Python, cùng một nền tảng Google Cloud mà tôi tiếp quản và một mình vận hành từ đó đến nay. Tôi cũng vận hành ZinZinTech, studio đã đăng ký của riêng tôi, nơi tôi xây dựng và phát hành những ứng dụng mà tôi muốn thấy tồn tại.
Công việc của tôi
Các mô hình thị giác máy tính và xử lý ngôn ngữ tự nhiên phục vụ lưu lượng thật: ước lượng tư thế và phân loại cử chỉ chạy sau gRPC và TensorFlow Serving, các mô hình gradient boosting chấm điểm những phiên đang diễn ra, và một trợ lý LLM cho giáo viên với phần kiểm tra quyền truy cập theo từng học sinh nằm ngay trong lớp công cụ của nó.
Tôi tiếp quản một nền tảng Google Cloud và một mình vận hành nó từ đó đến nay: mười bốn stack Terraform, một cụm GKE, chín Helm chart do tôi viết, và phần middleware tự vận hành bên trên — RabbitMQ, Keycloak, LiveKit, TensorFlow Serving. Chi phí cũng là một phần của công việc: spot pool, node pool tự co về không, chiết khấu cam kết sử dụng, và một công tắc ngắt chi phí do tôi viết.
Backend production viết bằng Java với Quarkus và Python với FastAPI, giao diện React và TypeScript, cùng một codebase Flutter được phát hành lên năm nền tảng qua sáu quy trình xét duyệt cửa hàng riêng biệt.
Xây dựng bộ dữ liệu khi chưa có sẵn: công cụ thu hình đồng bộ nhiều camera, pipeline gán nhãn, và hàng terabyte video được tải lên object storage với một hàng đợi mang các tác vụ ghi hình. Trước đó là Spark, Kafka và Elasticsearch phía sau các mô hình rủi ro tín dụng và phát hiện gian lận mà chúng tôi xây dựng và đánh giá.
Kinh nghiệm
Body.Scratch B.V. · Eindhoven, Hà Lan
Toàn bộ phần kỹ thuật là của tôi từ đầu đến cuối: nền tảng Google Cloud, API production, hệ thống thị giác máy tính, và pipeline dữ liệu phía sau nó. Người đồng sáng lập của tôi phụ trách kinh doanh và thiết kế.
Khách hàng thương mại, theo thỏa thuận bảo mật (NDA)
Hệ thống phát hiện vi phạm bản quyền video: embedding transformer được đánh chỉ mục để tìm kiếm tương đồng trên một thư viện tham chiếu, kèm căn chỉnh theo thời gian để xác định đúng đoạn trùng khớp. Chạy trên máy chủ GPU Windows đặt tại chỗ của khách hàng, với người dùng thật.
Fondazione Bruno Kessler (FBK) · Trento, Ý
Luận văn: Trajectory-based Anomaly Detection for Video Surveillance Analysis. Phát hiện người trong video, rồi phân cụm quỹ đạo của họ để đánh dấu chuyển động bất thường. Công việc này đã được hợp nhất lên nhánh chính của nền tảng phân tích video PROTECTOR.
PipePredict · Darmstadt, Đức
Ứng dụng web dạng bản đồ cho bảo trì dự đoán mạng lưới đường ống nước.
Tima Group · Hà Nội, Việt Nam
Dẫn dắt 5 kỹ sư xây dựng hệ thống OCR và chatbot cùng các mô hình chấm điểm tín dụng và phát hiện gian lận.
JAVIS · Hà Nội, Việt Nam
Tự động hóa việc tạo bản vẽ CAD 2D và 3D bằng xử lý ảnh.
NTU Singapore · MAGIC
Tôi đã xây dựng cả hai phần của một hệ thống truyền phát hình ảnh thành phố 3D động: máy chủ truyền phát (PHP, Yii2) và máy khách Unity — 120 trong số 132 commit của kho lưu trữ đó — một trình tiêu thụ RabbitMQ bên trong công cụ trò chơi, tải các gói tài nguyên bất đồng bộ và loại bỏ chúng khi camera di chuyển ra xa. CityGML, lập lịch mức độ chi tiết, Berlin và Amsterdam. Hai bài báo được xuất bản, một bài báo xuất sắc nhất tại hội nghị.
SoICT, Đại học Bách khoa Hà Nội · Việt Nam
Tối ưu tổ hợp cho bài toán định tuyến phương tiện và chia sẻ chuyến đi — GRASP và tìm kiếm lân cận lớn thích ứng, trong một thư viện tối ưu viết bằng Java. Hai công bố khoa học, một bài là tác giả chính và do tôi trình bày.
Nakagawa Laboratory ↗, Đại học Nông nghiệp và Công nghệ Tokyo · Nhật Bản
Học sâu để nhận dạng chữ viết tay trong các thư tịch cổ Nhật Bản, tại nhóm nghiên cứu nhận dạng chữ viết tay của GS. Masaki Nakagawa.
Mã nguồn
Các kho mã nguồn công khai. Những kho riêng tư — mã nguồn ứng dụng của Body.Scratch và ZinZinTech, cùng công việc cho khách hàng theo thỏa thuận bảo mật — không được liên kết ở đây, nhưng tôi có thể cùng bạn đi qua bất kỳ kho nào trong số đó.
Cài đặt lại nghiên cứu của Gunasekara và cộng sự, Findings of EMNLP 2021: học tăng cường với phần thưởng từ hỏi–đáp cho bài toán tóm tắt trừu tượng. GPT-2 và PEGASUS trên XSum, huấn luyện trên một cụm Slurm. Một mô hình chấm điểm đầu ra của một mô hình khác — và điểm số ấy chẳng có ý nghĩa gì cho tới khi nó đồng thuận với con người.
k-means viết bằng C và C++ với MPI kết hợp OpenMP: tăng tốc gấp 14.1x ở hiệu suất 88% trên 16 tiến trình, đo bằng MPI_Wtime.
Hệ thống hội thoại Rasa trên dữ liệu bóng đá trực tiếp — lịch thi đấu, thông tin đội bóng và thống kê cầu thủ lấy từ một API, có nhận đầu vào bằng giọng nói.
Các thử nghiệm dịch máy nơ-ron thích ứng theo miền, kèm những script chạy theo lô trên Slurm đã dùng để chạy chúng.
Nhận dạng văn bản dựa trên transformer, huấn luyện trên cụm GPU của trường đại học.
Kiểm định ý nghĩa thống kê để so sánh các mô hình nhận dạng chữ trong ảnh cảnh vật: khoảng cách giữa hai hệ thống là thật, hay chỉ do tập kiểm thử? Xây dựng trên cài đặt tham chiếu Scene Text Telescope, có ghi nhận nguồn trong kho mã.
Một trong bảy codebase phát hiện đối tượng mà tôi đã huấn luyện và tinh chỉnh trong năm 2022-2023 trên một cụm máy dùng chung của trường đại học: các job Slurm tự biên dịch những toán tử CUDA riêng của mô hình ngay bên trong job, tinh chỉnh từ một checkpoint đã phát hành, và ghi log lên Weights & Biases. Mô hình và mã gốc thuộc về các tác giả upstream; README nói rõ chính xác những gì tôi đã thay đổi.
Một pull request đã được hợp nhất trong một kho mã công khai mà tôi không sở hữu: phát hiện bất thường bằng phân cụm quỹ đạo, được tích hợp vào nền tảng phân tích video PROTECTOR. 621 dòng qua bảy commit, được người bảo trì hợp nhất vào tháng 1 năm 2023. Công việc luận văn thạc sĩ của tôi, đáp xuống trong codebase của người khác.
Sản phẩm
Tập trung, dựa trên khoa học.
Một đồng hồ Pomodoro kiêm công cụ lên kế hoạch công việc giúp bạn tập trung mà không thấy áy náy. Vun trồng một vườn thiền trong lúc làm việc, thấy rõ thời gian của bạn thực sự đi đâu — và giữ trọn từng byte dữ liệu trên chính thiết bị của bạn.
Học lập trình qua điệu nhảy.
Một nền tảng giáo dục sử dụng trí tuệ nhân tạo dành cho thanh thiếu niên từ 8-16 tuổi học lập trình thông qua các điệu nhảy. Giúp giáo viên thu hút học sinh một cách vui vẻ, lành mạnh và hợp tác.
bodyscratch.academy ↗
Kỹ năng
Học vấn
Nghiên cứu
Cloud-Based Dynamic Streaming and Loading of 3D Scene ↗
IEEE Cyberworlds 2018
Efficient Scheduling for Dynamic Streaming of 3D Scene for Mobile Devices ↗
IWAIT-IFMIA 2019 · Giải Best Paper
Traveling Salesman Problem with Multiple Drones ↗
SoICT 2018, ACM
Liên hệ
Tôi sẵn sàng nhận các vị trí kỹ sư bán thời gian tại Hà Lan — machine learning, phần mềm, hoặc nền tảng và DevOps. Cách nhanh nhất để liên hệ là email.
phan.business.nl@gmail.com