Obvio เป็นบริษัทด้านปัญญาประดิษฐ์และซอฟต์แวร์ในรูปแบบบริการ (SaaS) ที่พัฒนาเทคโนโลยีเพื่อความปลอดภัยทางจราจรสำหรับเมืองต่าง ๆ และหน่วยงานบังคับใช้กฎหมาย AI ที่เข้าใจบริบทของ Obvio ช่วยระบุพฤติกรรมการขับขี่ที่อันตรายและการฝ่าฝืนกฎจราจร รวมถึงการฝ่าฝืนในเขตโรงเรียน การไม่ให้ทาง การขับรถโดยขาดสมาธิ และการไม่หยุดที่ป้ายหยุด ด้วยการเปลี่ยนกิจกรรมบนท้องถนนให้เป็นข้อมูลเชิงปฏิบัติ Obvio จึงช่วยผู้นำเทศบาลและหน่วยงานตำรวจให้ความรู้แก่ผู้ขับขี่ บังคับใช้กฎหมายจราจร ลดการฝ่าฝืน และทำให้ถนนปลอดภัยยิ่งขึ้น
วิศวกรคอมพิวเตอร์วิทัศน์อาวุโสที่ Obvio — ทำงานแบบไฮบริดใน San Carlos
เป็นผู้นำการพัฒนาโมเดลตรวจจับและติดตามสำหรับกล้องจราจรที่ใช้ AI ช่วยของ Obvio ปรับปรุงประสิทธิภาพโมเดลตั้งแต่กลยุทธ์ข้อมูลและการทดลอง ไปจนถึงการนำไปใช้งานบนอุปกรณ์ภาคสนาม
รายละเอียด
- สร้างและปรับปรุงโมเดลตรวจจับวัตถุและติดตามหลายวัตถุสำหรับยานพาหนะ คนเดินเท้า และผู้ใช้ถนนประเภทอื่น ๆ ในสภาพแวดล้อมจริงที่ซับซ้อน
- รับผิดชอบกลยุทธ์ข้อมูลที่อยู่เบื้องหลังคุณภาพของโมเดล ตั้งแต่การสุ่มตัวอย่างและการติดป้ายกำกับ ไปจนถึงการจัดเวอร์ชันชุดข้อมูล การค้นหาตัวอย่างเชิงลบที่ยาก การจัดการความไม่สมดุลของคลาส กรณีขอบเขต และข้อมูลป้อนกลับจากระบบที่นำไปใช้งานแล้ว
- วางแผนการทดลองและการตัดองค์ประกอบอย่างเข้มงวด เพื่อแยกแยะการพัฒนาที่เกิดขึ้นจริงออกจากการเกิดโอเวอร์ฟิต ข้อมูลรั่วไหล สัญญาณรบกวนในป้ายกำกับ และการปรับปรุงที่ไม่สำเร็จเมื่อนำไปใช้งานภาคสนาม
- พัฒนาระบบฝึกโมเดลที่ทำซ้ำได้ โดยมีการติดตามการทดลอง การจัดการการกำหนดค่า การติดตามที่มาของอาร์ติแฟกต์ รีจิสทรีโมเดล แดชบอร์ดเมตริก และการเพิ่มประสิทธิภาพไฮเปอร์พารามิเตอร์แบบอัตโนมัติ
- กำหนดวิธีประเมินผลที่มุ่งเน้นผลิตภัณฑ์ ครอบคลุมการแลกเปลี่ยนระหว่าง precision กับ recall การแบ่งวิเคราะห์ตามคลาสและสถานการณ์ การสอบเทียบ และประสิทธิภาพการติดตาม
- ทำงานร่วมกับวิศวกรระบบฝังตัวเพื่อเตรียมโมเดลสำหรับการประมวลผลที่ปลายทาง โดยสร้างสมดุลระหว่างความแม่นยำ เวลาแฝง การใช้หน่วยความจำ และการใช้พลังงาน
- กำหนดทิศทางทางเทคนิค เป็นผู้นำการทบทวนการออกแบบ ให้คำปรึกษาแก่วิศวกร และยกระดับมาตรฐานด้านความเข้มงวดทางแมชชีนเลิร์นนิง การทำซ้ำได้ และความพร้อมสำหรับการใช้งานจริง
คุณสมบัติ
- มีประสบการณ์ด้านแมชชีนเลิร์นนิงหรือคอมพิวเตอร์วิทัศน์อย่างน้อยเจ็ดปี รวมถึงผลงานในการนำโมเดลไปใช้งานจริงและปรับปรุงโมเดลเหล่านั้น
- มีความเชี่ยวชาญเชิงปฏิบัติขั้นสูงด้านการตรวจจับวัตถุและการติดตามหลายวัตถุ รวมถึงสถาปัตยกรรมสมัยใหม่ การเพิ่มความหลากหลายของข้อมูล และเทคนิคการประเมินผล
- มีความเข้าใจอย่างดีเกี่ยวกับความไม่สมดุลของคลาส การเกิดโอเวอร์ฟิต ข้อมูลรั่วไหลจากชุดข้อมูล สัญญาณรบกวนในป้ายกำกับ การเปลี่ยนแปลงของโดเมน การสอบเทียบโมเดล และการตรวจสอบความถูกต้องทางสถิติอย่างเข้มงวด
- มีประสบการณ์สร้างโครงสร้างพื้นฐานหรือแพลตฟอร์มการฝึกโมเดลสำหรับการทดลองที่ทำซ้ำได้ การฝึกแบบกระจาย การค้นหาไฮเปอร์พารามิเตอร์ การเปรียบเทียบเมตริก และการติดตามที่มาของโมเดล
- มีทักษะขั้นสูงด้าน Python และ PyTorch
- มีประสบการณ์ปฏิบัติในการทำงานกับชุดข้อมูลภาพและวิดีโอขนาดใหญ่
- มีประสบการณ์ประเมินโมเดลกับข้อมูลจากระบบที่นำไปใช้งานแล้วหรือข้อมูลที่เก็บจากภาคสนาม และจัดการวงจรทั้งหมดตั้งแต่การค้นพบความล้มเหลวไปจนถึงการฝึกใหม่และการยืนยันการปรับปรุง
- มีภาวะผู้นำทางเทคนิคที่พิสูจน์ได้จากการดำเนินโครงการข้ามสายงานที่มีความไม่ชัดเจน พร้อมการสื่อสารที่ชัดเจนและความรับผิดชอบสูง
- มีประสบการณ์ในด้านการจราจร ยานยนต์ หุ่นยนต์ การเฝ้าระวัง หรือการวิเคราะห์วิดีโอด้านอื่น
- มีประสบการณ์ด้านการระบุตัวตนซ้ำ การสร้างแบบจำลองวิถี การจัดการการบดบัง การสอบเทียบกล้อง หรือการติดตามจากหลายกล้อง
- มีประสบการณ์ด้านการเรียนรู้เชิงรุก การกำกับดูแลแบบอ่อน ข้อมูลสังเคราะห์ การติดป้ายกำกับอัตโนมัติ หรือเครื่องมือปรับปรุงคุณภาพชุดข้อมูล
- มีประสบการณ์เพิ่มประสิทธิภาพและนำโมเดลคอมพิวเตอร์วิทัศน์ไปใช้งานบน NVIDIA Jetson, Qualcomm Snapdragon หรืออุปกรณ์เร่งความเร็วที่ปลายทางประเภทอื่น
- ได้รับอนุญาตตามกฎหมายให้ทำงานในสหรัฐอเมริกา
สวัสดิการ
- ค่าตอบแทนที่สามารถแข่งขันได้
- หุ้นในบริษัทระยะเริ่มต้น
- มีส่วนร่วมและเป็นเจ้าของผลงานอย่างมีความหมายในสภาพแวดล้อมสตาร์ทอัปที่เคลื่อนไหวรวดเร็ว
- โอกาสทำงานร่วมกับทีมขนาดเล็กที่มีประสบการณ์ ซึ่งวิศวกรอาวุโสมีอิทธิพลอย่างมากต่อทิศทางทางเทคนิค
- โอกาสปรับปรุงความปลอดภัยบนท้องถนนและช่วยรักษาชีวิตผู้คนผ่านผลงานของคุณ