Vantor — компания в сфере пространственной аналитики, которая разрабатывает готовый к использованию ИИ живой глобус и группировку коммерческих спутников дистанционного зондирования Земли. Её платформы объединяют данные датчиков из космоса, воздуха и с поверхности Земли, обеспечивая управление задачами в реальном времени, координацию работы датчиков, создание высокодетализированных базовых карт, получение радиолокационных и оптических снимков, а также автономные возможности разведки, наблюдения и рекогносцировки. Vantor работает с клиентами в сфере обороны, разведки, государственного управления и коммерческого бизнеса. Её команды занимаются технологиями, связанными со спутниковой съёмкой, геопространственными данными, логистикой и консалтингом.
Ведущий научный специалист по прикладному ИИ — Vantor, удалённо, США
Руководите разработкой производственных систем ИИ и машинного обучения для платформы пространственной аналитики Vantor. Используйте геопространственные данные, изображения и мультимодальные модели для формирования операционной аналитики.
Описание
- Разрабатывайте и внедряйте приложения ИИ, преобразующие крупномасштабные геопространственные данные в практически применимую и прогнозную аналитику.
- Создавайте и управляйте полными конвейерами машинного обучения, охватывающими прием данных, предварительную обработку, разработку признаков, обучение, оценку и рабочий инференс.
- Внедряйте в производство модели рассуждения, визуально-языковые и мультимодальные модели, используя изображения, геопространственные сигналы и структурированные данные.
- Проектируйте корпоративные платформы обучения и экспериментов с автоматизированными рабочими процессами, отслеживанием экспериментов, бенчмаркингом и воспроизводимой оценкой.
- Разрабатывайте синтетические наборы данных и тестовые средства для оценки производительности, устойчивости моделей и поведения в нестандартных случаях.
- Работайте с отраслевыми специалистами, инженерами-программистами, менеджерами по продукту, исследовательскими партнёрами и технологическими партнёрами.
- Повышайте производительность моделей и инференса с учетом масштабируемости, задержки, эффективности затрат и надежности в современных облачных средах.
- Поддерживайте рабочие системы инференса, включая мониторинг, версионирование моделей, процессы дообучения и измерение производительности.
- Оценивайте разработки в области базовых моделей, генеративного ИИ, мультимодального обучения и систем рассуждения для практического применения.
- Поддерживайте высокое качество инженерной работы посредством ревью кода, документации, систематических экспериментов и совместного решения задач.
- Участвуйте в разработке возможностей следующего поколения в области ИИ для исследования Земли.
Требования
- Необходимо иметь статус U.S. Person: быть гражданином США, постоянным жителем, лицом, получившим убежище, или беженцем.
- Степень магистра или доктора наук в области информатики, машинного обучения, искусственного интеллекта, прикладной математики или смежной технической дисциплины либо эквивалентный практический опыт.
- Не менее пяти лет опыта создания и внедрения производственных систем машинного обучения.
- Опыт проектирования и реализации сквозных конвейеров машинного обучения.
- Опыт разработки и внедрения моделей глубокого обучения.
- Опыт работы с визуально-языковыми моделями, мультимодальным обучением, моделями рассуждения, большими языковыми моделями, компьютерным зрением или геопространственным ИИ.
- Продвинутые навыки программирования на Python.
- Опыт работы с PyTorch, TensorFlow или JAX.
- Опыт создания воспроизводимых конвейеров экспериментов.
- Опыт развертывания моделей с использованием современной облачной инфраструктуры и контейнеризированных систем.
- Знание методов распределенного обучения, обработки данных в больших масштабах и оптимизации моделей.
- Умение эффективно работать на стыке исследовательских, инженерных и продуктовых команд.
- Обычно требуется восемь лет соответствующего опыта при наличии степени бакалавра, шесть лет при наличии степени магистра или три года при наличии степени доктора наук либо эквивалентный опыт.
- Желателен опыт работы с геопространственными данными, дистанционным зондированием, спутниковыми изображениями или системами наблюдения Земли.
- Желателен опыт создания или дообучения базовых, мультимодальных или агентных моделей ИИ.
- Желательно знакомство с Google Cloud Platform.
- Желателен опыт внедрения мониторинга моделей, конвейеров оценки и автоматизированных систем дообучения.
- Желательны публикации в открытых проектах ИИ, научные публикации или патенты.
Преимущества
- План 401(k) с взносами работодателя.
- Ресурсы поддержки психического здоровья.
- Помощь в погашении студенческих кредитов.
- Компенсация расходов на усыновление.
- Страхование домашних животных.
- Право на стимулирующие выплаты с учетом вклада сотрудника, результатов компании и индивидуальных результатов.