
機器學習工程師,電腦視覺(混合辦公,波蘭)
負責 WSC Sports 即時影片平台的正式環境電腦視覺系統,涵蓋模型評估到部署的完整流程。 改善體育影片工作負載中的 GPU 推論、基準測試與驗證。
說明
- 主導影片理解能力的開發,包括偵測、追蹤、辨識和場景分析。
- 透過批次處理、精度調校和編譯提升 GPU 推論吞吐量並降低成本。
- 追蹤正式環境中的品質和延遲,調查故障並排除回歸問題。
- 依運動項目、聯賽和內容類型建立並維護已標註的體育基準資料集。
- 設定並監控模型指標,例如 mAP、F1、精確率、召回率、IoU、延遲和 GPU 成本。
- 有系統地比較模型,並使用公司資料重現已發表的結果。
- 撰寫決策備忘錄,說明建議、取捨和授權事宜。
- 維護回歸測試以及影子或 A/B 流程,在發布前驗證模型和設定更新。
- 追蹤研究論文、模型發布和排行榜,找出適合評估的候選方案。
職位要求
- 至少 3–5 年交付正式環境機器學習系統的經驗,其中包括 2 年以上電腦視覺經驗;具影片經驗者優先。
- 熟練掌握 Python 和 PyTorch。
- 具備使用 TensorRT 和 ONNX Runtime 分析並最佳化 GPU 推論效能的實務經驗。
- 至少在以下領域中的兩項具備實作經驗:物件偵測與分割;OCR 與場景文字辨識;或影片動作辨識與時間定位。
- 具備建立測試集、計算 mAP、F1 和時間 IoU,以及嚴謹比較模型的經驗。
- 能批判性評估研究論文和模型卡,並重現已發表的研究結果。
- 具備使用 Docker、佇列式服務和雲端 GPU 基礎架構進行正式部署的經驗。
- 具備大規模影片處理經驗,包括 FFmpeg、解碼流程和影格取樣。
- 書面溝通能力佳,能記錄技術取捨並提出明確建議。
- 優先考慮具備以下經驗者:Azure Service Bus 和 Blob Storage、訊息驅動架構、視覺語言模型、多模態理解、特定領域視覺微調、自監督式學習、合成資料生成、CVAT、Label Studio、影子部署、A/B 測試或商業模型授權。
福利待遇
- 負責完整的機器學習生命週期,從重現研究、建立基準到最佳化即時 GPU 工作負載。
- 大規模推動正式環境改進,透過模型最佳化降低基礎架構成本和延遲。
- 加入以證據為導向的工程環境,重視 A/B 測試、影子部署和統計驗證。
相關職缺

