Inżynier uczenia maszynowego (wizja komputerowa) w ITalent Spot

O nas

Nasz klient to startup MilTech budujący lokalną platformę do automatycznego opisywania filmów UAV i modeli wizyjnych komputera szkoleniowego do lotów autonomicznych.

Mamy strategiczne partnerstwo z jednym z największych ukraińskich producentów UAV i dostęp do prawdopodobnie największego prywatnego zbioru danych wideo UAV na świecie.

Firma jest na bardzo wczesnym etapie – fundusze są zabezpieczone, istnieje wizja techniczna i dostępne są dane. Obecnie skupiamy się na budowaniu podstawowego zespołu inżynierów, który przekształci tę platformę w rzeczywistość.

Rola

Szukamy Inżyniera ds. wizji komputerowej / uczenia maszynowego.

Szukamy Inżynier CV/ML, który dołączy jako jeden z pierwszych inżynierów w zespole. Będziesz ściśle współpracować z kierownikiem technicznym, aby zbudować potok uczenia maszynowego od podstaw – wdrażając podstawowe komponenty w zakresie przetwarzania danych, uczenia modeli i wdrażania.

To jest start-up na wczesnym etapie, więc stos technologii i procesy wciąż się kształtują. Będziesz mieć realny wkład w narzędzia i podejścia, które stosujemy, a Twoja praca bezpośrednio określi sposób działania platformy. Szukamy kogoś, kto jest praktyczny, ciekawy i czuje się komfortowo w tworzeniu rzeczy, które jeszcze nie istnieją.

Nad czym będziesz pracować Potok danych i wstępne przetwarzanie

• Twórz potoki wstępnego przetwarzania wideo: segmentacja klipów, wyodrębnianie klatek, wykrywanie scen, filtrowanie jakości

• Zaimplementuj osadzanie procesów wyodrębniania i sprawdzania danych w celu wybierania różnorodnych podzbiorów szkoleniowych z ogromnego korpusu wideo

• Przygotowywanie i eksportowanie zbiorów danych w standardowych formatach na potrzeby uczenia i adnotacji

Trenowanie i eksperymentowanie z modelami

• Trenowanie i ocenianie komputerowych modeli wizyjnych pod kątem wykrywania obiektów, klasyfikacja, śledzenie i segmentacja

• Przeprowadzaj eksperymenty, śledź wyniki i wykonuj iteracje na architekturach modeli i hiperparametrach

• Wdrażaj strategie powiększania danych w celu zapewnienia niezawodności w warunkach pogodowych, oświetleniowych i okluzji

• Wkład w rozproszone potoki szkoleniowe z wieloma procesorami graficznymi

Aktywne uczenie się i adnotacje Wsparcie

• Wdrażaj potoki automatycznego etykietowania z routingiem opartym na zaufaniu

• Twórz narzędzia wokół platformy adnotacji (adnotacje wstępne, konwersja formatu, jakość

• Utrzymuj automatyczne kontrole jakości pod kątem spójności etykiet

Edge Wdrożenie

• Eksportuj i optymalizuj modele pod kątem wnioskowania na NVIDIA Jetson (kwantyzacja ONNX, TensorRT, FP16/INT8)

• Przeprowadzaj testy porównawcze dokładności i opóźnień na urządzeniach brzegowych

• Pomóż w utrzymaniu rurociągu dostarczania modeli od szkolenia do wdrożenia

Wymagania Mają

• Ponad 3 lata praktycznego doświadczenia w zakresie widzenia komputerowego i głębokiego uczenia się
• Umiejętności Solid PyTorch  — wygodne pisanie pętli treningowych, niestandardowych zbiorów danych i kodu modelu
• Doświadczenie z co najmniej jednym frameworkiem do wykrywania lub segmentacji (rodzina YOLO, Detectron2, MMDetection lub podobne)
• Zrozumienie wskaźników oceny modelu (mAP, IoU, precyzja/przywołanie)
• Znajomość śledzenia eksperymentów (MLflow, W&B lub podobne)
• Python jako język podstawowy; czysty, dobrze zorganizowany kod
• Wygodna praca w systemie Linux i środowiskach kontenerowych (Docker)

Miło to mieć

• Doświadczenie w optymalizacji modelu (eksport ONNX, TensorRT, kwantyzacja)
• NVIDIA Jetson lub inne wdrożenie brzegowe/mobilne
• Śledzenie wielu obiektów (ByteTrack, DeepSORT lub podobne)
• Doświadczenie z potokami przetwarzania wideo (FFmpeg, OpenCV, Decord)
• Weryfikacja danych lub narzędzia do adnotacji (FiftyOne, CVAT, Label Studio)
• Szkolenia rozproszone (DDP, Ray Train)
• Doświadczenie w zakresie UAV / dronów / robotyki lub domeny MilTech

Co oferujemy

• Dołącz do zespołu na wczesnym etapie, w którym Twój wkład kształtuje produkt od pierwszego dnia
• Pracuj na całym procesie uczenia maszynowego – a nie tylko na jednym wąskim fragmencie
• Największy na świecie prywatny zbiór danych wideo UAV — skala petabajtowa, niemożliwa do replikacji
• Dedykowane lokalne zasoby GPU – bez kolejek w chmurze i negocjacji budżetu obliczenia
• Podejście oparte na otwartym kodzie źródłowym bez uzależnienia od dostawcy
• Szybki rozwój w małym zespole pod bezpośrednim nadzorem kierownika technicznego