CVEDIA
CVEDIA
CVEDIA udvikler AI-baseret videoanalyse og computersynssoftware ved hjælp af syntetiske data til at opbygge og videreudvikle systemer til visuel genkendelse. Platformen CVEDIA-RT samler forudkonfigurerede analysefunktioner, der kan tilpasses forskellige anvendelser og implementeres på flere hardwareplatforme, herunder edge-enheder. Tilgangen skal mindske afhængigheden af at indsamle og behandle store mængder virkelige videooptagelser og samtidig understøtte anvendelser som naturbeskyttelse og termisk billeddannelse. CVEDIA tilbyder også skræddersyet udvikling og løbende produktsupport til implementeringer inden for blandt andet kunstig intelligens, logistik og rådgivning.

AI-ingeniør inden for computersyn – fjernarbejde

Byg agentbaserede computersynsmodeller, syntetiske datapipelines og træningsforløb til CVEDIA’s produktionssystemer ved kanten. Forbedr detektorer, klassifikatorer og vision-sprogmodeller for kunder og partnere.

Beskrivelse

  • Vedligehold og forbedr pipelines til syntetiske data og automatiserede træningssystemer.
  • Tag ansvar for en model, og forbedr den gennem et agentloop, der genererer træningsdata.
  • Byg automatiserede forløb, hvor agenter træner detektorer og klassifikatorer, tester dem mod valideringssæt og finjusterer dem med minimal menneskelig indgriben.
  • Udvikl systemer, der håndterer falske positiver i felten, markerer usikre detektioner og automatisk retter andre problemer.
  • Led forskning i vision-sprogmodeller, finjustér modeller til specifikke opgaver, og brug agenter til at følge med i aktuelle teknikker.
  • Løs kunders og partneres problemer med detektion og klassifikation ved at bygge eller videreudvikle modeller.
  • Brug agenter til QA-automatisering og kodebaser, der selv finder og retter deres fejl.
  • Del effektive metoder med teamet, og fremlæg resultater for kunder efter behov.

Krav

  • Avancerede engelskkundskaber på C1-niveau, herunder flydende kommunikation i komplekse og tempofyldte tekniske og professionelle sammenhænge.
  • Dokumenteret erfaring med at bygge egne agentmiljøer eller agentbaserede arbejdsgange.
  • Erfaring med at håndtere mange agenter på én gang, herunder kommunikation mellem agenter, tokenforbrug og verificering af udførte opgaver.
  • Professionel erfaring med softwareudvikling på både Windows og Linux.
  • Erfaring med Git og et system til opgavestyring.
  • Erfaring med finjustering eller kvantisering af open source-modeller, for eksempel træning af LoRA-modeller.
  • Erfaring med at køre open source-modeller lokalt.
  • Kendskab til modeludviklingen fra de tidlige GPT-modeller til nutidens open source-modeller, herunder deres styrker og begrænsninger.
  • Tydelig kommunikation med kolleger og kunder.
  • Stor interesse for AI og agenter samt lyst til at eksperimentere med nye værktøjer og idéer.
  • Send kun et CV på engelsk.
  • Ansøgere fra alle baggrunde og lande er velkomne.

Fordele

  • Fuldt fjernarbejde.
  • Daglig adgang til Claude, Codex og modeller, der hostes internt, uden begrænsninger på brugen af dem i arbejdet.
  • Arbejd med modeller, der allerede kører i produktion på edge-enheder verden over.
  • Arbejd direkte med hele teamet, og få indflydelse på virksomhedens AI-arbejdsgange.
  • Samarbejd med kolleger, der interesserer sig for agenters adfærd, design af agentmiljøer og modellernes særheder.

Relaterede job

Canals

Senior maskinlæringsingeniør, fjernarbejde i Colombia

Canals

Led maskinlæring i produktion for Canals platform til automatisering af logistik, fra datapipelines til udrulning og overvågning. Byg kundevendte AI-funktioner, og sæt retning for den tekniske praksis, mens virksomheden vokser.

Åbn
CircuitHub

Softwareingeniør inden for computervision

CircuitHub

Byg computervisionssystemer til CircuitHubs robotbaserede platform til elektronikproduktion med inspektion, komponentopsamling og positionering. Arbejd med GPU-baseret billedbehandling i realtid.

Åbn
CrowdStrike

Trusselsanalytiker, effektivitet af maskinlæringsbaseret detektion

CrowdStrike

Analysér rapporter om malware og kunders detektioner for at bidrage til at forbedre CrowdStrikes maskinlæringsbaserede detektioner. Bidrag til håndtering af falske positiver, og del resultater om detektionernes effektivitet med interne teams.

Åbn