Obvio, şehirler ve kolluk kuvvetleri için trafik güvenliği teknolojileri geliştiren bir yapay zekâ ve SaaS şirketidir. Bağlama duyarlı yapay zekâsı; okul bölgelerindeki ihlaller, yol verme kurallarına uymama, dikkatsiz araç kullanımı ve dur işareti ihlalleri dâhil olmak üzere tehlikeli sürüşleri ve trafik ihlallerini tespit etmeye yardımcı olur. Obvio, yol üzerindeki hareketliliği uygulanabilir içgörülere dönüştürerek belediye yöneticilerini ve polis departmanlarını sürücüleri bilinçlendirme, trafik kurallarını uygulama, ihlalleri azaltma ve yolları daha güvenli hâle getirme konularında destekler.
Obvio’da Kıdemli Bilgisayarlı Görü Mühendisi — San Carlos’ta Hibrit
Obvio’nun yapay zekâ destekli trafik kameraları için algılama ve takip modellerinin geliştirilmesine liderlik edin. Veri stratejisi ve deneylerden sahada uç cihaz dağıtımına kadar model performansını iyileştirin.
Açıklama
- Zorlu gerçek dünya ortamlarında araçlar, yayalar ve diğer yol kullanıcıları için nesne algılama ve çoklu nesne takip modelleri geliştirin ve iyileştirin.
- Örnekleme ve etiketlemeden veri kümesi sürümlemeye, zor negatif örnek madenciliğinden sınıf dengesizliğine, uç durumlara ve dağıtılan sistemlerden gelen geri bildirimlere kadar model kalitesinin temelindeki veri stratejisini yönetin.
- Titiz deneyler ve ablasyon çalışmaları planlayarak gerçek kazanımları aşırı uyumdan, veri sızıntısından, etiket gürültüsünden ve sahada başarısız olan iyileştirmelerden ayırın.
- Deney takibi, yapılandırma yönetimi, yapay eser köken bilgisi, model kayıtları, metrik panoları ve otomatik hiperparametre optimizasyonu içeren tekrarlanabilir eğitim sistemleri geliştirin.
- Kesinlik-geri çağırma dengelerini, sınıf ve senaryo kırılımlarını, kalibrasyonu ve takip performansını kapsayan, ürüne odaklı değerlendirme yöntemleri oluşturun.
- Doğruluk, gecikme, bellek kullanımı ve güç tüketimini dengeleyerek modelleri uç cihazlarda çalıştırmaya hazırlamak için gömülü sistem mühendisleriyle birlikte çalışın.
- Teknik yönü belirleyin, tasarım incelemelerine liderlik edin, mühendislere mentorluk yapın ve makine öğrenimi titizliği, tekrarlanabilirlik ve üretime hazır olma standartlarını güçlendirin.
Gereksinimler
- Üretim modellerini yayına alma ve iyileştirme deneyimi dâhil olmak üzere makine öğrenimi veya bilgisayarlı görü alanında en az yedi yıl deneyim.
- Modern mimariler, veri artırma ve değerlendirme teknikleri dâhil olmak üzere nesne algılama ve çoklu nesne takibi konusunda ileri düzey pratik uzmanlık.
- Sınıf dengesizliği, aşırı uyum, veri kümesi sızıntısı, etiket gürültüsü, alan kayması, model kalibrasyonu ve istatistiksel açıdan titiz doğrulama konularına hâkimiyet.
- Tekrarlanabilir deneyler, dağıtık eğitim, hiperparametre araması, metrik karşılaştırması ve model köken takibi için eğitim altyapıları veya platformları oluşturma deneyimi.
- İleri düzey Python ve PyTorch yetkinliği.
- Büyük görüntü ve video veri kümeleriyle uygulamalı çalışma deneyimi.
- Modelleri dağıtılan veya sahadan toplanan verilerle değerlendirme ve başarısızlık keşfinden yeniden eğitime ve doğrulanmış iyileştirmeye kadar tüm döngüyü yönetme deneyimi.
- Açık iletişim ve güçlü sahiplenmeyle desteklenen, belirsiz ve işlevler arası girişimlerde kanıtlanmış teknik liderlik.
- Trafik, otomotiv, robotik, gözetim veya başka bir video analitiği alanında deneyim.
- Yeniden kimliklendirme, yörünge modelleme, örtüşme yönetimi, kamera kalibrasyonu veya çoklu kamera takibi deneyimi.
- Aktif öğrenme, zayıf denetim, sentetik veri, otomatik etiketleme veya veri kümesi kalitesini iyileştiren araçlarla deneyim.
- Bilgisayarlı görü modellerini NVIDIA Jetson, Qualcomm Snapdragon veya diğer uç hızlandırıcılarda optimize etme ve dağıtma deneyimi.
- Amerika Birleşik Devletleri’nde çalışma izni.
Yan Haklar
- Rekabetçi ücretlendirme.
- Erken aşamadaki bir şirkette hisse sahibi olma fırsatı.
- Hızlı hareket eden bir girişim ortamında anlamlı sorumluluk.
- Kıdemli mühendislerin önemli teknik etkiye sahip olduğu küçük ve deneyimli bir ekiple çalışma fırsatı.
- Çalışmalarınızla yol güvenliğini iyileştirme ve hayat kurtarmaya katkıda bulunma fırsatı.