Newxel is een aanbieder van IT-personeels- en engineeringdiensten die bedrijven helpt bij het opzetten en beheren van gespecialiseerde softwareontwikkelingsteams en kant-en-klare R&D-centra. De dienstverlening omvat IT-werving, personeelsuitbreiding, offshore-ontwikkelcentra en juridische, financiële en operationele ondersteuning voor het uitbreiden van engineeringactiviteiten in meer dan 10 landen. Newxel werkt met specialisten op het gebied van web- en mobiele ontwikkeling, AI en machine learning, big data, gameontwikkeling, kwaliteitsborging, embedded software, cyberbeveiliging en blockchain, en ondersteunt langdurige zakelijke samenwerkingen en verspreid werkende technische teams.
Neem de leiding over productiesystemen voor computer vision op het livevideoplatform van WSC Sports, van modelevaluatie tot implementatie. Verbeter GPU-inferentie, benchmarks en validatie voor sportvideoverwerking.
Leid de ontwikkeling van mogelijkheden voor videoanalyse, zoals detectie, tracking, herkenning en scèneanalyse.
Verbeter de GPU-inferentiedoorvoer en verlaag de kosten met batching, precisieoptimalisatie en compilatie.
Volg de kwaliteit en latentie in productie, onderzoek fouten en los regressies op.
Maak en onderhoud gelabelde sportbenchmarks, ingedeeld naar sport, competitie en contenttype.
Stel modelstatistieken zoals mAP, F1, precisie, recall, IoU, latentie en GPU-kosten vast en bewaak ze.
Vergelijk modellen systematisch en reproduceer gepubliceerde resultaten met bedrijfsgegevens.
Stel beslisnota’s op met aanbevelingen, afwegingen en informatie over licenties.
Onderhoud regressietests en shadow- of A/B-pipelines om model- en configuratie-updates vóór release te valideren.
Volg onderzoeksartikelen, modelreleases en ranglijsten om kandidaten voor evaluatie te vinden.
Vereisten
Minimaal 3–5 jaar ervaring met het opleveren van productiemachine-learning-systemen, waaronder minstens 2 jaar met computer vision; ervaring met video is een pré.
Sterke vaardigheden in Python en PyTorch.
Praktische ervaring met het profileren en optimaliseren van GPU-inferentie met TensorRT en ONNX Runtime.
Praktische ervaring op minstens twee van deze gebieden: objectdetectie en segmentatie; OCR en herkenning van scènetekst; of herkenning van videoacties en temporele lokalisatie.
Ervaring met het maken van testsets, het berekenen van mAP, F1 en temporal IoU, en het uitvoeren van grondige modelvergelijkingen.
Vermogen om onderzoeksartikelen en modelkaarten kritisch te beoordelen en gepubliceerde bevindingen te reproduceren.
Ervaring met productie-implementaties met Docker, diensten op basis van wachtrijen en cloud-GPU-infrastructuur.
Ervaring met videobewerking op grote schaal, waaronder FFmpeg, decodeerpipelines en frame sampling.
Sterke schriftelijke communicatievaardigheden en het vermogen om technische afwegingen te documenteren en duidelijke aanbevelingen te doen.
Pré: ervaring met Azure Service Bus en Blob Storage, berichtgestuurde architecturen, vision-language-modellen, multimodaal begrip, domeinspecifieke fine-tuning voor vision, zelfgesuperviseerd leren, synthetische datageneratie, CVAT, Label Studio, shadow deployments, A/B-tests of commerciële modellicenties.
Voordelen
Draag verantwoordelijkheid voor de volledige machine-learninglevenscyclus, van het reproduceren van onderzoek en het maken van benchmarks tot het optimaliseren van live GPU-workloads.
Realiseer productieverbeteringen op schaal en verlaag infrastructuurkosten en latentie door modellen te optimaliseren.
Werk in een engineeringomgeving die op bewijs is gericht en A/B-tests, shadow deployments en statistische validatie centraal stelt.
Ontwerp beheerde, schaalbare AI-oplossingen voor EY-klanten, van strategie en architectuur tot implementatie. Leid initiatieven rond generatieve AI, LLM's, MLOps, cloud en data-architectuur.