Shield AI desarrolla sistemas de inteligencia artificial para aplicaciones aeroespaciales y de defensa. Su plataforma Hivemind respalda capacidades de misión autónomas, como la operación inteligente de drones, la vigilancia y el conocimiento del campo de batalla. Fundada en 2015, la empresa reúne experiencia en inteligencia artificial, sector aeroespacial y defensa para crear tecnologías destinadas a ayudar a proteger a militares y civiles.
Ingeniero principal de aprendizaje profundo, estimación de estado — Shield AI (remoto, Estados Unidos)
Lidera el trabajo de aprendizaje profundo y visión 3D para los sistemas autónomos de defensa de Shield AI. Desarrolla capacidades de localización, navegación y del SDK Hivemind para la estimación de estado.
Estados Unidos200.000 $ – 300.000 $ / año
RemotoTiempo completoLíderIdioma Obligatorio: inglésIngeniero de aprendizaje automáticoDescripción
- Crea y evalúa modelos para la detección y correspondencia de características, la correspondencia visual, la profundidad, la pose relativa y la localización de imágenes en mapas.
- Combina características visuales aprendidas con técnicas geométricas para reforzar la precisión, la resiliencia y la recuperación de la localización.
- Lidera las prácticas de preparación y supervisión de datos, desde la selección de conjuntos de datos y las especificaciones de anotación hasta las herramientas de etiquetado, los controles de calidad automatizados y el análisis de cobertura.
- Evalúa herramientas de aprendizaje profundo y establece procesos de entrenamiento reproducibles con seguimiento de experimentos, control de configuración y control de versiones de conjuntos de datos y modelos.
- Desarrolla evaluaciones que tengan en cuenta las variaciones de iluminación, punto de vista, altitud, terreno, condiciones meteorológicas y propiedades de los sensores.
- Investiga los fallos de los modelos y dirige mejoras en los datos, la supervisión, el modelado y la integración del sistema.
- Trabaja con ingenieros de estimación de estado para incorporar mediciones aprendidas y estimaciones de confianza en sistemas de VIO y navegación relativa al terreno.
- Mide los modelos frente a los límites de capacidad de cómputo, memoria y latencia a bordo, y contribuye a la optimización y la verificación en tiempo de ejecución.
- Produce componentes e interfaces probados y documentados para el SDK Hivemind.
- Coordina el trabajo con los equipos de software, sistemas y pruebas de vuelo.
Requisitos
- Título de máster en ingeniería aeroespacial, ingeniería eléctrica, robótica, informática o una disciplina relacionada, además de al menos 4 años de experiencia profesional pertinente; alternativamente, 2 años con un doctorado.
- Experiencia práctica en el diseño, entrenamiento, depuración y evaluación de modelos con PyTorch o un marco comparable.
- Conocimientos sólidos de modelos de cámara, transformaciones de coordenadas, geometría proyectiva y geometría multivista.
- Experiencia aplicada en áreas como navegación basada en visión, geolocalización visual, Structure from Motion, SLAM, reconstrucción 3D o estimación de profundidad.
- Dominio avanzado de Python y trayectoria en la creación de software mantenible y reutilizable.
- Experiencia en el desarrollo de capacidades de visión artificial desde la definición del problema y los datos sin procesar hasta el entrenamiento, la evaluación y la preparación para la integración.
- Experiencia en el desarrollo de canalizaciones de datos de sensores para la ingestión, limpieza, filtrado, deduplicación y control de versiones de conjuntos de datos.
- Capacidad para elegir herramientas de desarrollo y crear flujos de trabajo de entrenamiento reproducibles que cubran la gestión de configuraciones, el seguimiento de experimentos, los puntos de control y la depuración del rendimiento de GPU.
- Experiencia en la creación de pruebas comparativas, la prevención de fugas de datos, el análisis del rendimiento en distintas condiciones operativas y la relación entre las métricas del modelo y la precisión geométrica o de localización posterior.
- Capacidad para perfilar la latencia de inferencia y el consumo de memoria, documentar las interfaces y el preprocesamiento de los modelos, evaluar las compensaciones entre precisión y capacidad de cómputo y asesorar sobre la exportación, la precisión y la optimización en tiempo de ejecución.
- Comunicador claro, capaz de explicar supuestos, resultados experimentales y compromisos de diseño, y de traducir la investigación en software de producción.
- Las ofertas están condicionadas a la superación de una comprobación de antecedentes y pueden incluir una comprobación de referencias.
Beneficios
- Compensación adicional.
- Paquete de beneficios.
- Participación en el capital.
- Los empleados temporales reciben un paquete de beneficios temporales después de 60 días de empleo.