Vantor เป็นบริษัทด้านข่าวกรองเชิงพื้นที่ที่พัฒนาโลกจำลองที่พร้อมใช้งานกับ AI และกลุ่มดาวเทียมถ่ายภาพเชิงพาณิชย์ แพลตฟอร์มของบริษัทผสานรวมข้อมูลจากเซนเซอร์ในอวกาศ ทางอากาศ และภาคพื้นดิน เพื่อรองรับการสั่งงานแบบเรียลไทม์ การประสานงานเซนเซอร์ แผนที่ฐานความละเอียดสูง ภาพเรดาร์และภาพออปติคัล ตลอดจนขีดความสามารถด้านข่าวกรอง การเฝ้าระวัง และการลาดตระเวนอัตโนมัติ Vantor ให้บริการลูกค้าในภาคกลาโหม ข่าวกรอง หน่วยงานรัฐ และภาคธุรกิจ โดยมีทีมงานที่ทำงานเกี่ยวกับเทคโนโลยีด้านการถ่ายภาพจากดาวเทียม ข้อมูลภูมิสารสนเทศ โลจิสติกส์ และการให้คำปรึกษา
นักวิทยาศาสตร์ AI ประยุกต์ระดับ Principal - Vantor ทำงานทางไกลในสหรัฐอเมริกา
เป็นผู้นำการพัฒนาระบบ AI และแมชชีนเลิร์นนิงสำหรับใช้งานจริงบนแพลตฟอร์มข่าวกรองเชิงพื้นที่ของ Vantor ใช้ข้อมูลภูมิสารสนเทศ ภาพถ่าย และโมเดลหลายรูปแบบเพื่อสร้างข่าวกรองสำหรับการปฏิบัติงาน
รายละเอียด
- พัฒนาและนำแอปพลิเคชัน AI ไปใช้งานเพื่อเปลี่ยนข้อมูลภูมิสารสนเทศขนาดใหญ่ให้เป็นข่าวกรองที่นำไปใช้ได้จริงและใช้คาดการณ์ได้
- สร้างและจัดการกระบวนการแมชชีนเลิร์นนิงแบบครบวงจร ตั้งแต่การรับข้อมูล การประมวลผลล่วงหน้า การสร้างคุณลักษณะ การฝึกโมเดล การประเมินผล ไปจนถึงการอนุมานในระบบจริง
- นำโมเดลด้านการให้เหตุผล โมเดลวิชัน-ภาษา และโมเดลหลายรูปแบบไปใช้งานจริง โดยใช้ภาพ สัญญาณภูมิสารสนเทศ และข้อมูลที่มีโครงสร้าง
- ออกแบบเฟรมเวิร์กการฝึกและการทดลองระดับองค์กร พร้อมเวิร์กโฟลว์อัตโนมัติ การติดตามการทดลอง การเปรียบเทียบมาตรฐาน และการประเมินผลที่ทำซ้ำได้
- พัฒนาชุดข้อมูลสังเคราะห์และชุดเครื่องมือทดสอบเพื่อประเมินประสิทธิภาพ ความทนทาน และพฤติกรรมของโมเดลในกรณีขอบเขต
- ทำงานร่วมกับผู้เชี่ยวชาญเฉพาะด้าน วิศวกรซอฟต์แวร์ ผู้จัดการผลิตภัณฑ์ นักวิจัยที่ร่วมงาน และพันธมิตรด้านเทคโนโลยี
- ปรับปรุงประสิทธิภาพของโมเดลและการอนุมานในด้านความสามารถในการขยายระบบ เวลาแฝง ประสิทธิภาพด้านต้นทุน และความน่าเชื่อถือบนสภาพแวดล้อมคลาวด์สมัยใหม่
- ดูแลระบบการอนุมานในระบบจริง รวมถึงการตรวจสอบ การจัดการเวอร์ชันโมเดล เวิร์กโฟลว์การฝึกใหม่ และการวัดประสิทธิภาพ
- ประเมินความก้าวหน้าของโมเดลพื้นฐาน AI เชิงสร้างสรรค์ การเรียนรู้หลายรูปแบบ และระบบการให้เหตุผลเพื่อการประยุกต์ใช้จริง
- รักษาคุณภาพด้านวิศวกรรมผ่านการรีวิวโค้ด การจัดทำเอกสาร การทดลองอย่างมีวินัย และการแก้ปัญหาร่วมกัน
- มีส่วนร่วมในการพัฒนาขีดความสามารถด้าน Earth AI รุ่นถัดไป
คุณสมบัติ
- ต้องมีสถานะ U.S. Person ในฐานะพลเมืองสหรัฐอเมริกา ผู้พำนักถาวร ผู้ได้รับสถานะผู้ลี้ภัย หรือผู้ลี้ภัยในสหรัฐอเมริกา
- สำเร็จการศึกษาระดับปริญญาโทหรือปริญญาเอกด้านวิทยาการคอมพิวเตอร์ แมชชีนเลิร์นนิง ปัญญาประดิษฐ์ คณิตศาสตร์ประยุกต์ หรือสาขาเทคนิคที่เกี่ยวข้อง หรือมีประสบการณ์ปฏิบัติงานเทียบเท่า
- มีประสบการณ์อย่างน้อยห้าปีในการสร้างและนำระบบแมชชีนเลิร์นนิงไปใช้งานจริง
- มีประสบการณ์ในการออกแบบและส่งมอบกระบวนการแมชชีนเลิร์นนิงแบบครบวงจร
- มีประสบการณ์ในการพัฒนาและนำโมเดลดีปเลิร์นนิงไปใช้งาน
- มีประสบการณ์กับโมเดลวิชัน-ภาษา การเรียนรู้หลายรูปแบบ โมเดลการให้เหตุผล โมเดลภาษาขนาดใหญ่ คอมพิวเตอร์วิทัศน์ หรือ AI ด้านภูมิสารสนเทศ
- มีทักษะการเขียนโปรแกรม Python ระดับสูง
- มีประสบการณ์กับ PyTorch, TensorFlow หรือ JAX
- มีประสบการณ์ในการสร้างกระบวนการทดลองที่ทำซ้ำได้
- มีประสบการณ์ในการนำโมเดลไปใช้งานด้วยโครงสร้างพื้นฐานคลาวด์สมัยใหม่และระบบที่ใช้คอนเทนเนอร์
- มีความคุ้นเคยกับการฝึกโมเดลแบบกระจาย การประมวลผลข้อมูลขนาดใหญ่ และวิธีการปรับแต่งโมเดลให้เหมาะสม
- สามารถทำงานร่วมกันอย่างมีประสิทธิภาพระหว่างทีมวิจัย วิศวกรรม และผลิตภัณฑ์
- โดยทั่วไปต้องมีประสบการณ์ที่เกี่ยวข้องแปดปีสำหรับผู้จบปริญญาตรี หกปีสำหรับผู้จบปริญญาโท หรือสามปีสำหรับผู้จบปริญญาเอก หรือมีประสบการณ์เทียบเท่า
- หากมีประสบการณ์ทำงานกับข้อมูลภูมิสารสนเทศ การสำรวจระยะไกล ภาพถ่ายดาวเทียม หรือระบบสังเกตการณ์โลกจะได้รับการพิจารณาเป็นพิเศษ
- หากมีประสบการณ์สร้างหรือปรับแต่งโมเดลพื้นฐาน โมเดลหลายรูปแบบ หรือระบบ AI แบบเอเจนต์จะได้รับการพิจารณาเป็นพิเศษ
- หากมีความคุ้นเคยกับ Google Cloud Platform จะได้รับการพิจารณาเป็นพิเศษ
- หากมีประสบการณ์ใช้งานระบบตรวจสอบโมเดล กระบวนการประเมินผล และระบบฝึกโมเดลใหม่อัตโนมัติจะได้รับการพิจารณาเป็นพิเศษ
- หากมีผลงานในโครงการ AI แบบโอเพนซอร์ส งานวิจัยที่ตีพิมพ์ หรือสิทธิบัตรจะได้รับการพิจารณาเป็นพิเศษ
สวัสดิการ
- แผน 401(k) พร้อมเงินสมทบจากบริษัท
- แหล่งข้อมูลและบริการสนับสนุนด้านสุขภาพจิต
- ความช่วยเหลือในการชำระคืนเงินกู้นักเรียน
- การคืนเงินค่าใช้จ่ายในการรับบุตรบุญธรรม
- ประกันสัตว์เลี้ยง
- มีสิทธิ์ได้รับค่าตอบแทนจูงใจตามผลงาน การดำเนินงานของบริษัท และผลลัพธ์ส่วนบุคคล