Obvio — компанія у сфері штучного інтелекту та SaaS, що розробляє технології безпеки дорожнього руху для міст і правоохоронних органів. Її контекстно-залежний штучний інтелект допомагає виявляти небезпечне водіння та порушення правил дорожнього руху, зокрема порушення в шкільних зонах, ненадання переваги в русі, відволікання уваги за кермом і проїзд знаків «Стоп» без зупинки. Перетворюючи дані про дорожню ситуацію на практичні висновки, Obvio допомагає муніципальним керівникам і поліцейським управлінням навчати водіїв, забезпечувати дотримання правил, зменшувати кількість порушень і робити вулиці безпечнішими.
Провідний інженер із комп’ютерного зору в Obvio — гібридний формат у Сан-Карлосі
Керуйте розробкою моделей виявлення та відстеження для камер Obvio з підтримкою ШІ. Покращуйте ефективність моделей — від стратегії роботи з даними й експериментів до розгортання на периферійних пристроях у польових умовах.
Опис
- Розробляйте та вдосконалюйте моделі виявлення об’єктів і множинного відстеження транспортних засобів, пішоходів та інших учасників дорожнього руху в складних реальних умовах.
- Відповідайте за стратегію роботи з даними, що визначає якість моделей: від вибірки й розмітки до версіювання наборів даних, пошуку складних негативних прикладів, усунення дисбалансу класів, обробки крайових випадків і використання зворотного зв’язку від розгорнутих систем.
- Плануйте суворі експерименти й абляційні дослідження, відокремлюючи реальні покращення від перенавчання, витоку даних, шуму в розмітці та змін, які не дають результату під час роботи в польових умовах.
- Розробляйте відтворювані системи навчання з відстеженням експериментів, керуванням конфігураціями, контролем походження артефактів, реєстрами моделей, панелями метрик і автоматизованою оптимізацією гіперпараметрів.
- Створюйте орієнтовані на продукт методи оцінювання, що охоплюють компроміси між точністю та повнотою, зрізи за класами й сценаріями, калібрування та якість відстеження.
- Працюйте з інженерами вбудованих систем над підготовкою моделей до периферійного розгортання, балансуючи точність, затримку, використання пам’яті та енергоспоживання.
- Визначайте технічний напрям, проводьте перевірки архітектурних рішень, наставляйте інженерів і підвищуйте стандарти строгості, відтворюваності та готовності машинного навчання до промислової експлуатації.
Вимоги
- Щонайменше сім років досвіду в машинному навчанні або комп’ютерному зорі, зокрема підтверджений досвід випуску в продуктивну експлуатацію та вдосконалення виробничих моделей.
- Поглиблена практична експертиза у виявленні об’єктів і множинному відстеженні, включно із сучасними архітектурами, аугментацією даних і методами оцінювання.
- Глибоке знання дисбалансу класів, перенавчання, витоку даних із наборів, шуму в розмітці, зсуву предметної області, калібрування моделей і статистично суворої валідації.
- Досвід створення інфраструктури або платформ для відтворюваних експериментів, розподіленого навчання, пошуку гіперпараметрів, порівняння метрик і відстеження походження моделей.
- Поглиблене володіння Python і PyTorch.
- Практичний досвід роботи з великими наборами зображень і відео.
- Досвід оцінювання моделей на розгорнутих або зібраних у польових умовах даних і керування повним циклом — від виявлення помилки до перенавчання та підтвердження покращення.
- Підтверджені навички технічного лідерства в неоднозначних міжфункціональних ініціативах, підкріплені чіткою комунікацією та високим рівнем відповідальності.
- Досвід роботи у сфері транспорту, автомобілебудування, робототехніки, відеоспостереження або іншій галузі відеоаналітики.
- Досвід повторної ідентифікації, моделювання траєкторій, обробки перекриттів, калібрування камер або відстеження за допомогою кількох камер.
- Досвід активного навчання, слабкого навчання з учителем, синтетичних даних, автоматизованої розмітки або інструментів для підвищення якості наборів даних.
- Досвід оптимізації та розгортання моделей комп’ютерного зору на NVIDIA Jetson, Qualcomm Snapdragon або інших периферійних прискорювачах.
- Законне право на роботу у Сполучених Штатах.
Переваги
- Конкурентоспроможна компенсація.
- Частка в компанії на ранній стадії розвитку.
- Значна зона відповідальності в середовищі стартапу, що швидко розвивається.
- Можливість працювати в невеликій досвідченій команді, де провідні інженери мають істотний вплив на технічні рішення.
- Можливість підвищувати безпеку доріг і допомагати рятувати життя завдяки своїй роботі.