Obvio är ett företag inom artificiell intelligens och SaaS som utvecklar teknik för trafiksäkerhet åt städer och brottsbekämpande myndigheter. Företagets kontextmedvetna AI hjälper till att identifiera vårdslös körning och trafikförseelser, bland annat överträdelser i skolzoner, underlåtenhet att lämna företräde, distraherad körning och överträdelser av stoppskyltar. Genom att omvandla vägtrafik till användbara insikter hjälper Obvio kommunala beslutsfattare och polisavdelningar att utbilda förare, upprätthålla trafiklagar, minska antalet överträdelser och göra gatorna säkrare.
Senioringenjör inom datorseende på Obvio – hybridarbete i San Carlos
Led utvecklingen av detektions- och spårningsmodeller för Obvios AI-assisterade trafikkameror. Förbättra modellernas prestanda från datastrategi och experimentering till distribution på kantenheter i fält.
Beskrivning
- Bygg och förfina modeller för objektdetektering och spårning av flera objekt för fordon, fotgängare och andra trafikanter i krävande verkliga miljöer.
- Ansvara för datastrategin bakom modellkvaliteten, från urval och märkning till versionshantering av dataset, mining av svåra negativa exempel, klassobalans, kantfall och återkoppling från driftsatta system.
- Planera rigorösa experiment och ablationer och skilja verkliga förbättringar från överanpassning, dataläckage, märkningsbrus och förbättringar som inte fungerar vid användning i fält.
- Utveckla reproducerbara träningssystem med experimentuppföljning, konfigurationshantering, artefakthärledning, modellregister, mätvärdespaneler och automatiserad optimering av hyperparametrar.
- Etablera produktfokuserade utvärderingsmetoder som omfattar avvägningar mellan precision och återkallning, uppdelningar efter klass och scenario, kalibrering samt spårningsprestanda.
- Samarbeta med inbyggda system-ingenjörer för att förbereda modeller för distribution på kantenheter och samtidigt balansera noggrannhet, latens, minnesanvändning och energiförbrukning.
- Vägleda den tekniska inriktningen, leda designgranskningar, handleda ingenjörer och stärka standarderna för rigorös maskininlärning, reproducerbarhet och produktionsberedskap.
Krav
- Minst sju års erfarenhet av maskininlärning eller datorseende, inklusive dokumenterad erfarenhet av att driftsätta och förbättra produktionsmodeller.
- Avancerad praktisk kompetens inom objektdetektering och spårning av flera objekt, inklusive moderna arkitekturer, dataaugmentering och utvärderingstekniker.
- Mycket goda kunskaper om klassobalans, överanpassning, dataläckage, märkningsbrus, domänförskjutning, modellkalibrering och statistiskt rigorös validering.
- Erfarenhet av att skapa träningsinfrastruktur eller plattformar för reproducerbara experiment, distribuerad träning, hyperparametersökning, jämförelse av mätvärden och modellhärledning.
- Avancerade kunskaper i Python och PyTorch.
- Praktisk erfarenhet av att arbeta med stora bild- och videodatamängder.
- Erfarenhet av att utvärdera modeller mot driftsatta eller fältinsamlade data och hantera hela cykeln från upptäckt av fel till omträning och verifierad förbättring.
- Dokumenterad teknisk ledarskapsförmåga i tvärfunktionella initiativ med otydliga förutsättningar, tillsammans med tydlig kommunikation och stort ansvarstagande.
- Erfarenhet inom trafik, fordonsindustrin, robotik, övervakning eller annat område för videoanalys.
- Erfarenhet av återidentifiering, banmodellering, hantering av ocklusioner, kamerakalibrering eller spårning med flera kameror.
- Erfarenhet av aktiv inlärning, svag övervakning, syntetiska data, automatiserad märkning eller verktyg för att förbättra datamängders kvalitet.
- Erfarenhet av att optimera och driftsätta datorseendemodeller på NVIDIA Jetson, Qualcomm Snapdragon eller andra acceleratorer för kantenheter.
- Laglig rätt att arbeta i USA.
Förmåner
- Konkurrenskraftig ersättning.
- Ägarandel i ett företag i tidig fas.
- Meningsfullt ägarskap i en snabbföränderlig startupmiljö.
- Möjlighet att arbeta med ett litet, erfaret team där seniora ingenjörer har stort tekniskt inflytande.
- Möjlighet att förbättra trafiksäkerheten och bidra till att rädda liv genom ditt arbete.