Expertis inom AI, Maskininlärning & Mjukvaruutveckling
Jesper Derehag är en frilansande ingenjör med djup expertis inom maskininlärning, AI och storskaliga mjukvarusystem.
Baserad i Kungälv • Verksam i Göteborg, Stenungsund och Västra Götaland (eller på distans)
Kontakta migMina tjänster
Maskininlärning & AI
Från idé och proof-of-concept till produktionssatta AI-lösningar.
Mjukvaru- & systemarkitektur
Med 20 års erfarenhet inom mjukvaruutveckling och arkitektur erbjuder jag tekniskt ledarskap, arkitektur för nya funktioner och kontinuerlig förbättring av komplexa legacy-kodbaser.
Prestandateknik
Expertis inom optimering av systemprestanda samt utveckling av lågnivåsystem och bibliotek för att säkerställa att dina applikationer körs effektivt.
Driftsättning & träning av ML-system
Jag hjälper team att ta sina maskininlärningssystem från proof-of-concept till robusta, produktionsklara lösningar. Det omfattar allt från arkitektur och pipeline-design till driftsättning och kontinuerlig övervakning.
Bidrag till open source
Jag är en aktiv bidragsgivare till många olika open source-projekt, inklusive Linux-kärnan. Jag kan hjälpa dig att navigera och bidra effektivt i open source-världen.
Från inbyggda system till molnet
Omfattande erfarenhet av allt från inbyggda system och egenutvecklad hårdvara on-prem till publika molnlösningar.
Om Jesper Derehag
Jesper är en frilansande Tech Lead och Senior ML-ingenjör med en karriär på över 20 år inom mjukvaruutveckling, arkitektur och forskning. Hans resa inom maskininlärning började för mer än två decennier sedan med utveckling av ett litet inbyggt system för datorseende, och har sedan dess sträckt sig från naturlig språkbehandling till reinforcement learning, och allt däremellan.
Han har en bred och djup förståelse för både ML och systemarkitektur, vilket gör honom till en självklar person att vända sig till vid komplexa tekniska utmaningar. Med erfarenhet från både stora företag och snabbväxande startups har han ett unikt perspektiv på hur man angriper problem från olika håll. Det gör att han kan utveckla robusta och skalbara lösningar, även med begränsade resurser.
En tekniskt skarp ML-ingenjör, engagerad förespråkare för open source och aktiv bidragsgivare till många projekt, inklusive Linux-kärnan.
Höjdpunkter
20
År inom AI/ML, mjukvaruutveckling & arkitektur
9
Publicerade artiklar
6
Patent
Tekniska färdigheter
Språk
- Python
- C/C++
- golang
- Assembler (x86, ARM, mips)
- Java
- JavaScript
- C# .NET
- GNU make, cmake
- Bash/csh
Bibliotek & ramverk
- PyTorch, TensorFlow
- sklearn, scipy, pandas, numpy
- Spark, Hadoop, Ray, rllib
- Kafka
Plattformar & verktyg
-
Operativsystem
Linux, *BSD, preempt-rt, RTXC, Contiki, uCLinux
-
Versionshantering
git, ClearCase, pvcs, cvs, svn, gerrit, gitlab
Föredrag & presentationer
-
Zero-copy ML: Inferens direkt i Linux-kärnan
Gothenburg AI Alliance | 2026
Utforskning av hur man kan utföra ML-inferens direkt inuti Linux-kärnan med eBPF.
-
GitHub Co-Pilot och juridiska aspekter av autogenererad kod
Software center | 2023
GitHub Co-Pilot och open source-system: juridiska aspekter av autogenererad kod.
-
ML i praktiken – samspelet mellan modellering och efterföljande designbeslut
Gothenburg AI Alliance | 2022
ML ur ett ingenjörsperspektiv, med utgångspunkt i ett mobilitetsprognosprojekt på Ericsson. Fokus på hur modellval påverkar den slutliga lösningen, inklusive en egen wait-free sparse graf-implementation med approximativa uppdateringar för produktionsbruk.
-
Maskininlärning i praktiken – ingenjörsperspektivet
RISE - Learning Machines seminar | 2021
Ett föredrag som fokuserar på de praktiska ingenjörsmässiga utmaningarna och lösningarna för verkliga ML-tillämpningar.
-
Lindholmen Software development day | 2020
Hur AI kan användas för att förbättra processer och verktyg inom mjukvaruutveckling.
-
Exploration och utvärdering av reinforcement learning i produktion
Gothenburg AI Alliance | 2019
Ett vanligt påstående är att reinforcement learning inte fungerar i produktionssystem på grund av agenternas utforskande natur, men går det att mildra några av dessa antaganden? Detta föredrag handlar om problem med exploration och utvärdering i RL-produktionssystem, samt mitigering genom sample-effektivitet (t.ex. via transfer eller distribuerad/federerad inlärning), säker exploration och off-policy-utvärdering.
-
Om utmaningarna med att gå från inbyggda system till mikrotjänster
ICSA/AMS - Keynote | 2017
En keynote om de arkitektoniska och tekniska utmaningarna vid migrering från inbyggda system till mikrotjänstarkitektur.
-
Deep reinforcement learning – hur DeepMind nådde (super)mänsklig nivå i Atari-spel
MLDS-GBG meetup | 2017
Ett tekniskt föredrag om algoritmerna och teknikerna bakom DeepMinds genombrott inom reinforcement learning.
Kontakt
Redo att dra igång ett projekt eller behöver du experthjälp? Hör av dig!
Baserad i Kungälv • Verksam i Göteborg, Stenungsund och Västra Götaland (eller på distans)