Newxel
Newxel
Ang Newxel ay isang tagapagbigay ng IT staffing at mga serbisyong pang-inhinyeriya na tumutulong sa mga negosyo na bumuo at magpatakbo ng mga nakatalagang software development team at mga handa nang R&D center. Kabilang sa mga serbisyo nito ang IT recruitment, staff augmentation, offshore development center, at legal, pinansyal, at operasyonal na suporta para mapalawak ang mga operasyon sa inhinyeriya sa mahigit 10 bansa. Nakikipagtulungan ang Newxel sa mga espesyalista sa web at mobile development, artificial intelligence at machine learning, big data, game development, quality assurance, embedded software, cybersecurity, at blockchain, habang sinusuportahan ang pangmatagalang pakikipagsosyo sa negosyo at mga distributed technical team.

Inhinyero sa Machine Learning, Computer Vision (Hybrid, Poland)

Pangasiwaan ang mga production computer vision system para sa live video platform ng WSC Sports, mula pagsusuri ng modelo hanggang deployment. Pagbutihin ang GPU inference, mga benchmark, at validation para sa mga workload ng sports video.

Paglalarawan

  • Pangunahan ang pagbuo ng mga kakayahan sa pag-unawa ng video, kabilang ang detection, tracking, recognition, at pagsusuri ng eksena.
  • Pagbutihin ang throughput at gastos ng GPU inference sa pamamagitan ng batching, pag-tune ng precision, at compilation.
  • Subaybayan ang kalidad at latency sa production, siyasatin ang mga failure, at lutasin ang mga regression.
  • Gumawa at magpanatili ng mga naka-label na benchmark ng sports na inayos ayon sa sport, liga, at uri ng content.
  • Magtakda at sumubaybay ng mga sukatan ng modelo gaya ng mAP, F1, precision, recall, IoU, latency, at gastos sa GPU.
  • Sistematikong paghambingin ang mga modelo at ulitin ang mga nailathalang resulta gamit ang datos ng kumpanya.
  • Maghanda ng mga memo para sa pagpapasya na sumasaklaw sa mga rekomendasyon, trade-off, at paglilisensya.
  • Panatilihin ang regression testing at mga shadow o A/B pipeline upang mapatunayan ang mga update sa modelo at configuration bago ilabas.
  • Subaybayan ang mga research paper, release ng modelo, at leaderboard upang tumukoy ng mga kandidatong susuriin.

Mga Kinakailangan

  • May hindi bababa sa 3–5 taong karanasan sa paghahatid ng mga production machine learning system, kabilang ang 2+ taon sa computer vision; mas gusto ang karanasan sa video.
  • Mahusay sa Python at PyTorch.
  • May praktikal na karanasan sa pag-profile at pag-optimize ng GPU inference gamit ang TensorRT at ONNX Runtime.
  • May aktuwal na karanasan sa hindi bababa sa dalawang larangan: object detection at segmentation; OCR at pagkilala ng text sa eksena; o pagkilala ng aksyon sa video at temporal localization.
  • May karanasan sa paggawa ng mga test set, pagkalkula ng mAP, F1, at temporal IoU, at pagsasagawa ng masusing paghahambing ng mga modelo.
  • Kayang kritikal na suriin ang mga research paper at model card, at ulitin ang mga nailathalang resulta.
  • May karanasan sa production deployment gamit ang Docker, mga serbisyong nakabatay sa queue, at cloud GPU infrastructure.
  • May karanasan sa pagproseso ng video sa malakihang saklaw, kabilang ang FFmpeg, mga decoding pipeline, at frame sampling.
  • Mahusay ang nakasulat na komunikasyon at kayang idokumento ang mga teknikal na trade-off at magbigay ng malinaw na rekomendasyon.
  • Mas gusto: Azure Service Bus at Blob Storage, mga arkitekturang message-driven, vision-language model, multimodal na pag-unawa, domain-specific na pag-fine-tune ng vision, self-supervised learning, paggawa ng synthetic data, CVAT, Label Studio, shadow deployment, A/B testing, o paglilisensya ng komersyal na modelo.

Mga Benepisyo

  • Pangasiwaan ang buong machine learning lifecycle, mula sa pag-uulit ng pananaliksik at paggawa ng mga benchmark hanggang sa pag-optimize ng mga live GPU workload.
  • Maghatid ng mga pagpapahusay sa production sa malakihang saklaw, at bawasan ang gastos sa imprastraktura at latency sa pamamagitan ng pag-optimize ng modelo.
  • Magtrabaho sa kapaligiran ng engineering na nakabatay sa ebidensya at nagbibigay-diin sa A/B testing, shadow deployment, at statistical validation.

Mga Kaugnay na Trabaho

EY

Arkitek ng AI sa EY (Hybrid, Katowice)

EY

Magdisenyo ng pinamamahalaan at nasusukat na mga solusyon sa AI para sa mga kliyente ng EY, mula estratehiya at arkitektura hanggang implementasyon. Manguna sa mga inisyatiba sa generative AI, LLM, MLOps, cloud, at arkitektura ng data.

Buksan