נסיון של 5 שנים בפיתוח OpenGL כולל כתיבת Fragment shaders
AI, בינה מלאכותית
נסיון בתכנון וכתיבת מערכות המאמנות ומשתמשות בMachine learning. SVM, CNN, Decision trees ועוד.
Machine Learning
נסיון עם SVN, CNN, decision trees. תכנון, אימון ובדיקת המערכת. עבודה במספר ספריות פתוחות, כולל על גבי מובייל.
Analytics of Things, AoT
עיבוד תמונה
בשנים האחרונות פיתחתי אלגוריתמים רבים של עיבוד תמונה בזמן אמת, כולל מספר אלגוריתמים לעיבוד תמונת פנים למספר צרכים, בOpenGL ובקוד פתוח. ישנו שימוש ואימון של אלגוריתמי Machine learning כולל תכנון אלגוריתמים חדשים בנושא.
ראייה ממוחשבת
נסיון בחמש השנים האחרונות על עיבוד התמונה וראיה ממוחשבת, כולל קבלת מספר פטנטים בנושא
Deep Learning
עבודה עם CNN באנדרואיד ואייפון, כולל עבודה עם הAPI החדש של אפל לCNN.
תכנות ופיתוח תוכנה
250 ₪ לשעה
.NET, C#, Dot Net, VB
C, C++
נסיון רב על פני 25 שנה כמפתח וניהול צוותי פיתוח בC++ על מגוון פלטפורמות.
Java
מתכנת, פיתוח תוכנה כללי
נסיון של מעל 20 שנה בפיתוח וניהול צוותי פיתוח במגוון פלטפורמות ושפות. נסיון רב בC++.
BI, Data Science, Big Data
Python
iOS - iPhone, iPad, iPod - פיתוח אפליקציות לאייפון, אייפון
חמש שנות נסיון בפיתוח אפליקציות שונות משלב הרעיון, זאת בנוסף ל25 שנה נסיון בפיתוח תוכנה באופן כללי.
פיתוח אפליקציות ל- Android
פיתוח אפליקציות אנדרואיד. תכנון האפליקציה, ניהול הצוות ופיתוח עצמי.
Apple Mac & Objective C Development
מש שנות נסיון בפיתוח אפליקציות שונות משלב הרעיון, זאת בנוסף ל25 שנה נסיון בפיתוח תוכנה באופן כללי.
פיתוח אלגוריתמים
נסיון של שנים רבות באלגוריתמים. בשנים האחרונות פיתחתי אלגוריתמים רבים של עיבוד תמונה בזמן אמת, כולל מספר אלגוריתמים לעיבוד תמונת פנים למספר צרכים, בOpenGL ובקוד פתוח, כולל machine learning.
Swift - סוויפט
פיתוח אפליקציות סוויפט 3 לאייפון
נסיון תעסוקתי
מנכל
סנפאייד
מנכ״ל חברת סטארטאפ. אחראי על צוות פיתוח ורישום פטנטים
תארים אקדמיים
ספטמבר 1996-ספטמבר 2002
B.Sc Physics
האוניברסיטה העברית
פטנטים וקניין רוחני
מאי 2016
real time assessment of picture quality
9,338,348
A computerized method for computing the photo quality of a captured image in a device image acquisition system, comprising on-board combining of a plurality of quality indicators computed from said captured image and its previous image frames quality indicators and a confidence level for at least one of said quality indicators,; and using a processor to determine, based on said combining, whether photo quality is acceptable and taking differential action depending on whether quality is or is not acceptable.
System and method for controlling a camera based on processing an image captured by other camera
A device comprises a first digital camera having a first center line of sight and a second digital camera having a second center line of sight that is parallel and opposing the first camera. A method for controlling the first camera based on estimating the angular deviation between a person gaze direction and the line of sight of the first digital camera. A human face is detected in an image captured as an image file by the second digital camera, using a face detection algorithm. An angular deviation a is estimated, defined between the second center line of sight and an imaginary line from the second camera to the detected human face based on the captured image, and an angular deviation β is estimated, defined between the imaginary line from the second camera to the detected face and the human face gaze direction based on the captured image.
Estimating and using relative head pose and camera field-of-view
estimation of a user head pose or gaze direction. The system comprises uses two wearable devices associated with right and left sides of the user body, each comprises an RF beacon. The head pose or gaze detection is estimated by comparing the signal strength (such as RSSI) or the phase of the RF signals from the wearable devices at the digital camera device. An angular deviation between the head pose (or gaze detection) and the digital camera (such as the line of sight) is estimated, and the digital camera is activated or controlled based on comparing the angular deviation to a set threshold. The RF signals may be Personal Area Network (PAN) signals, such as Bluetooth Low Energy (BLE) signals. The wearable devices may be head mounted, structured as glasses, ear-pieces, headphones, or hat mounted.