Shield AI utvikler systemer basert på kunstig intelligens for bruksområder innen luftfart og forsvar. Selskapets Hivemind-plattform støtter autonome oppdrag, blant annet intelligent drift av droner, overvåking og situasjonsforståelse på slagmarken. Selskapet ble grunnlagt i 2015 og samler ekspertise innen KI, luftfart og forsvar for å utvikle teknologi som skal bidra til å beskytte militært personell og sivile.
Staffingeniør innen dyp læring, tilstandsestimering — Shield AI (fjernarbeid, USA)
Led arbeid med dyp læring og 3D-syn for Shield AIs autonome forsvarssystemer. Utvikle funksjoner for lokalisering, navigasjon og tilstandsestimering i Hivemind SDK.
Beskrivelse
- Lag og evaluer modeller for funksjonsdeteksjon, matching, visuell korrespondanse, dybde, relativ positur og bilde-til-kart-lokalisering.
- Kombiner lærte visuelle funksjoner med geometriske teknikker for å styrke lokaliseringsnøyaktighet, robusthet og gjenoppretting.
- Led praksis for dataforberedelse og supervisjon, fra kuratering av datasett og spesifikasjoner for annotering til merkeverktøy, automatiserte kvalitetskontroller og dekningsanalyse.
- Evaluer verktøy for dyp læring og etabler reproduserbare treningsprosesser med eksperimentoppfølging, konfigurasjonskontroll samt versjonering av datasett og modeller.
- Bygg evalueringer som tar hensyn til variasjon i belysning, synsvinkel, høyde, terreng, vær og sensoregenskaper.
- Undersøk modellfeil og led forbedringer på tvers av data, supervisjon, modellering og systemintegrasjon.
- Samarbeid med ingeniører innen tilstandsestimering for å integrere lærte målinger og konfidensestimater i systemer for visuell-inertiell odometri og terrengrelativ navigasjon.
- Mål modeller mot grenser for datakapasitet om bord, minne og forsinkelse, og bidra til optimalisering og verifisering under kjøring.
- Produser testede og dokumenterte komponenter og grensesnitt for Hivemind SDK.
- Koordiner med team innen programvare, systemer og flytesting.
Krav
- Mastergrad i flyteknikk, elektroteknikk, robotikk, datavitenskap eller et beslektet fagområde samt minst 4 års relevant yrkeserfaring; alternativt 2 års erfaring med doktorgrad.
- Praktisk erfaring med å utforme, trene, feilsøke og evaluere modeller med PyTorch eller et tilsvarende rammeverk.
- Solid forståelse av kameramodeller, koordinattransformasjoner, projektiv geometri og geometri fra flere visninger.
- Praktisk erfaring innen områder som synsbasert navigasjon, visuell geolokalisering, Structure from Motion, SLAM, 3D-rekonstruksjon eller dybdeestimering.
- Avanserte Python-ferdigheter og dokumentert erfaring med å utvikle vedlikeholdbar og gjenbrukbar programvare.
- Erfaring med å utvikle datasynfunksjoner fra problemdefinisjon og rådata gjennom trening, evaluering og integrasjonsberedskap.
- Erfaring med å utvikle pipelines for sensordata med inntak, rensing, filtrering, deduplisering og versjonskontroll av datasett.
- Evne til å velge utviklingsverktøy og lage reproduserbare treningsflyter som dekker konfigurasjonsstyring, eksperimentoppfølging, sjekkpunktlagring og feilsøking av GPU-ytelse.
- Erfaring med å lage referansetester, forhindre datalekkasjer, undersøke ytelse under ulike driftsforhold og knytte modellmålinger til etterfølgende geometrisk nøyaktighet eller lokaliseringsnøyaktighet.
- Evne til å profilere inferensforsinkelse og minneforbruk, dokumentere modellgrensesnitt og forbehandling, evaluere avveininger mellom nøyaktighet og beregningskostnad samt gi råd om eksport, presisjon og optimalisering under kjøring.
- Tydelig kommunikator som kan forklare antakelser, eksperimentresultater og designavveininger, og som kan omsette forskning til produksjonsprogramvare.
- Tilbud er betinget av godkjent bakgrunnssjekk og kan omfatte referansesjekk.
Fordeler
- Bonuskompensasjon.
- Fordelspakke.
- Mulighet for aksjedeltakelse.
- Midlertidig ansatte mottar en midlertidig fordelspakke etter 60 dagers ansettelse.