Mohammad Mahdi Mohajer · Ingénieur sénior ML/logiciel

Nom

Mohammad Mahdi Mohajer

Ingénieur sénior ML/logiciel

Aussi appelé Mamad, ou Mo.

Toronto, ON, Canada 🇨🇦

Signalez les bogues à contact@mamad.ai.

Description

Mohammad Mahdi Mohajer est un ingénieur sénior ML/logiciel établi à Toronto. Il conçoit actuellement des solutions IA en production chez LRQA, un chef de file mondial de l'assurance et de la gestion des risques. Titulaire d'une maîtrise en génie informatique de l'Université York, il combine son expertise en IA générative, en apprentissage automatique et en développement full-stack.

Pendant sa maîtrise, il a dirigé 2 projets de recherche et contribué à plus de 8 autres projets dans le domaine du Machine Learning for Software Engineering (ML4SE). Ses travaux ont été publiés dans des venues réputées telles que TOSEM, AIware et SIGIR.

Ses recherches ont porté principalement sur le fuzzing, la détection statique de bogues et l'équité de l'IA. Il a proposé la première étude sur les applications et l'efficacité des grands modèles de langage en analyse statique de code. Avec ses collègues, il a aussi découvert de nouveaux bogues et vulnérabilités dans des dépôts majeurs comme TensorFlow et PyTorch, confirmés puis corrigés par leurs équipes de développement, dont certains publiés par la National Vulnerability Database (NVD).

Avant sa maîtrise, Mohammad a travaillé comme développeur logiciel full-stack et a cofondé sa propre startup. Il a obtenu son baccalauréat en génie informatique à l'Université de technologie d'Ispahan.

Formation

Expérience

Publications

5 articles évalués par les pairs en ML pour le génie logiciel (TOSEM, AIware, SIGIR). Le fuzzing a révélé 6 bogues réels dans TensorFlow et PyTorch, dont 2 catalogués dans la NVD, ainsi que la première étude d'équité des recommandeurs de réviseurs de code fondés sur le ML.

Liste complète sur les liens suivants :

Google ScholarDBLPORCID

Contributions

Bogues et vulnérabilités

Découverts lors de recherches par fuzzing, confirmés et corrigés par les équipes de TensorFlow et PyTorch.

  • CVE-2023-25801

    DoS par corruption de mémoire dans TensorFlow, publié par la NVD

  • CVE-2023-33976

    DoS par erreur de segmentation dans TensorFlow, publié par la NVD

  • tensorflow#59373

    DoS par corruption de mémoire, confirmé et corrigé

  • pytorch#91611

    DoS par erreur de segmentation, confirmé et corrigé

  • pytorch#107434

    DoS par erreur de segmentation, confirmé et corrigé

  • pytorch#92776

    DoS par erreur de segmentation, confirmé et corrigé

Enseignement

  • Auxiliaire d'enseignement2022 à 2024

    Université York

    Évaluation de plus de 250 étudiants dans 4 cours de premier cycle et encadrement de 2 laboratoires.

    • EECS 1012 Net-centric Computing
    • EECS 1710 Programming for Digital Media
    • EECS 3311 Software Design
    • EECS 4413 E-Commerce Systems

  • Auxiliaire d'enseignement2019 à 2021

    Université de technologie d'Ispahan

    Mentorat de plus de 100 étudiants dans des projets de laboratoire ; conception de programmes de cours et enregistrement de tutoriels vidéo pendant la Covid.

    • Database Laboratory (SQL Server)
    • Software Engineering Laboratory (OO Analysis and Design)

Projets

  • video-to-ui

    Transforme un enregistrement d'écran d'interface en données de design, en modifications de code ou en squelette React exécutable. Une skill Claude Code.

  • fitlyze

    Votre coach fitness IA, dans une seule conversation. Consignez vos repas par la voix, photo ou texte et recevez un coaching personnalisé.

Changelog