Newxel leverer IT-bemanning og ingeniørtjenester og hjelper virksomheter med å bygge og drifte dedikerte programvareutviklingsteam og komplette FoU-sentre. Tjenestene omfatter IT-rekruttering, ekstra bemanning, offshore-utviklingssentre samt juridisk, økonomisk og operativ støtte for å skalere ingeniørvirksomhet i mer enn 10 land. Newxel samarbeider med spesialister innen web- og mobilutvikling, kunstig intelligens og maskinlæring, stordata, spillutvikling, kvalitetssikring, innebygd programvare, cybersikkerhet og blokkjede, og støtter langsiktige forretningspartnerskap og distribuerte tekniske team.
Maskinlæringsingeniør innen datamaskinsyn (hybrid, Polen)
Ha ansvar for produksjonssystemer for datamaskinsyn på WSC Sports' livevideoplattform, fra modelevaluering til utrulling. Forbedre GPU-inferens, referansetester og validering på tvers av sportsvideoarbeidsbelastninger.
Lede utviklingen av funksjoner for videoforståelse, blant annet deteksjon, sporing, gjenkjenning og sceneanalyse.
Forbedre gjennomstrømming og kostnader for GPU-inferens med batching, presisjonstilpasning og kompilering.
Følge med på kvalitet og latenstid i produksjon, undersøke feil og rette regresjoner.
Opprette og vedlikeholde merkede sportsreferansetester organisert etter idrett, liga og innholdstype.
Fastsette og overvåke modellmålinger som mAP, F1, precision, recall, IoU, latenstid og GPU-kostnad.
Sammenligne modeller systematisk og gjenskape publiserte resultater med selskapets data.
Utarbeide beslutningsnotater med anbefalinger, avveininger og lisensiering.
Vedlikeholde regresjonstesting og shadow- eller A/B-pipelines for å validere modell- og konfigurasjonsoppdateringer før lansering.
Følge forskningsartikler, modellutgivelser og rangeringer for å finne kandidater til evaluering.
Krav
Minst 3–5 års erfaring med å levere maskinlæringssystemer i produksjon, inkludert minst 2 år innen datamaskinsyn; videoerfaring er en fordel.
Gode ferdigheter i Python og PyTorch.
Praktisk erfaring med profilering og optimalisering av GPU-inferens med TensorRT og ONNX Runtime.
Praktisk erfaring innen minst to områder: objektdeteksjon og segmentering; OCR og gjenkjenning av scenetekst; eller gjenkjenning av videoaktiviteter og tidsmessig lokalisering.
Erfaring med å opprette testsett, beregne mAP, F1 og temporal IoU og gjennomføre grundige modellsammenligninger.
Evne til å vurdere forskningsartikler og modellkort kritisk og gjenskape publiserte funn.
Erfaring med produksjonsutrulling ved hjelp av Docker, købaserte tjenester og skybasert GPU-infrastruktur.
Erfaring med videobehandling i stor skala, inkludert FFmpeg, dekodingspipelines og sampling av videorammer.
Gode skriftlige kommunikasjonsevner og evne til å dokumentere tekniske avveininger og komme med tydelige anbefalinger.
Ønskelig: Azure Service Bus og Blob Storage, meldingsdrevne arkitekturer, vision-language-modeller, multimodal forståelse, domenespesifikk finjustering av datamaskinsyn, selvveiledet læring, generering av syntetiske data, CVAT, Label Studio, shadow-utrullinger, A/B-testing eller kommersiell modelllisensiering.
Fordeler
Ha ansvar for hele maskinlæringslivssyklusen, fra å gjenskape forskning og lage referansetester til å optimalisere live GPU-arbeidsbelastninger.
Levere produksjonsforbedringer i stor skala og redusere infrastrukturkostnader og latenstid gjennom modelloptimalisering.
Jobbe i et evidensbasert ingeniørmiljø med vekt på A/B-tester, shadow-utrullinger og statistisk validering.
Form ut styrte, skalerbare AI-løsninger for EY-kunder, fra strategi og arkitektur til implementering. Led initiativer innen generativ AI, LLM-er, MLOps, sky og dataarkitektur.