Pickle Robot Company, tedarik zinciri, lojistik ve imalat sektörleri için robotik sistemler geliştirir. Sistemleri fiziksel yapay zekâ, üretken yapay zekâ, makine görüşü ve robotik manipülasyonu bir araya getirerek fiziksel açıdan zorlayıcı depo işlerini otomatikleştirir. Şirketin amiral gemisi olan otonom robot, paletlenmemiş ürünleri nakliye konteynerlerinden boşaltarak elleçleme kaynaklı fiziksel zorlanmayı azaltmaya ve depo verimliliğini artırmaya yardımcı olur. 11–50 kişilik bir ekibe sahip olan ve kısa süre önce 50 milyon dolarlık Seri B yatırım turunu tamamlayan Pickle Robot Company, ürün yeteneklerini ve ticari erişimini genişletiyor.
Kıdemli Makine Öğrenimi Mühendisi, Algı
Pickle Robot’un depo otomasyon sistemleri için görme ve kavrama modelleri geliştirin. Güvenliği ve lojistik verimliliğini artırmak için veri kümesi geliştirme, model eğitimi, deneyler ve değerlendirme süreçlerine liderlik edin.
Açıklama
- Toplama performansı hedeflerini; net tahminler, etiketler, ödüller, kayıp fonksiyonları ve başarı ölçütleri olan makine öğrenimi problemlerine dönüştürün.
- Sentetik sahne üretimi, dağıtık bulut veri işleri, sahne çeşitliliği filtreleme ve öz denetimli etiketlemeyi içeren veri kümesi stratejisine liderlik edin.
- Veri darboğazlarını bulun ve giderin.
- Büyük görme omurgalarını göreve özel model başlıklarıyla ince ayarlayın.
- Kontrollü deneyler planlayıp yürütün; sırada neyin test edileceğine ve deneyin ne zaman sonlandırılacağına karar verin.
- Robot performansını öngören çevrimdışı ölçütler ve uç durumların ele alınmasını iyileştiren çevrimiçi ölçütler oluşturun.
- Kodu titizlikle inceleyin.
- Daha az deneyimli mühendislere mentorluk yapın.
- Algı ve kavrama yol haritasının şekillendirilmesine katkı sağlayın.
- Dışa aktarılabilir hesaplama grafikleri ve yeniden üretilebilir çıktılarla, gecikme bütçelerine uyan ve dağıtıma hazır modeller sunun.
- Çalışma zamanı sistemlerini entegre etmek ve çıkarımı optimize etmek için platform ve robotik mühendisleriyle çalışın.
Gereksinimler
- Makine öğrenimi ve bilgisayarlı görü alanlarında en az beş yıllık deneyim; problem tanımından ölçülmüş sonuçlara kadar modelleri bizzat geliştirmiş olma.
- Problemleri çerçeveleme ve geniş ürün gereksinimlerini somut mühendislik çalışmalarına dönüştürme becerisini kanıtlama.
- Üretim veya toplama, düzenleme, otomatik kalite kontrolleri, kapsam ve yanlılık analizi ile aktif öğrenme yoluyla büyük ölçekte veri kümesi oluşturma deneyimi.
- Temel karşılaştırmalar, ablasyon çalışmaları ve ölçüt tasarımı dahil güçlü değerlendirme uygulamaları.
- Python ve PyTorch’ta ileri düzey uzmanlık.
- GCP veya AWS gibi bulut eğitim altyapıları, Docker ve deney takibi araçlarına uygulamalı düzeyde hâkimiyet.
- En az bir alanda profesyonel deneyim: çok görevli, çok modlu veya çok görünümlü modeller geliştirme ve eğitme; ya da öz denetimli, sonuç odaklı veya ödül güdümlü öğrenme.
Yan Haklar
- Sağlık sigortası
- Diş sigortası
- Görme sigortası
- Sınırsız izin
- Ücretli federal ve eyalet tatilleri
- Maaşın %5’i tutarında 401(k) katkısı
- Şirket tarafından karşılanan seyahat masrafları
- İşi daha keyifli, konforlu ve verimli hale getirmeyi amaçlayan ek avantajlar