Applied Scientist (Computer Vision)
⚲ Wrocław, Brno
Do uzgodnienia
Wymagania
- 4+ lata doświadczenia w machine learningu (domena computer vision)
- praktyczne doświadczenie w co najmniej jednym z zagadnień: klasyfikacja, detekcja, segmentacja
- doświadczenie we wdrażaniu modeli ML do produkcji
- dobra znajomość koncepcji machine learningu i deep learningu
- dobra znajomość angielskiego w mowie i piśmie
Mile widziane
- praktyczne doświadczenie z GANs, VAEs
- optymalizacja modeli: pruning, quantization, knowledge distillation
- doświadczenie z C++ lub gotowość do rozwoju w tym kierunku
Opis stanowiska
SQUAD szuka Applied Scientista (Computer Vision) do rozproszonego zespołu rozwijającego funkcje detekcji ruchu dla środowisk Cloud i Edge. Codzienna praca to research: stawianie hipotez, zbieranie danych, trenowanie i walidacja modeli ML, analiza dużych zbiorów danych i raportowanie wyników. Deklarowany jest wybór między Edge a Cloud, ale faktyczne przypisanie może zależeć od potrzeb projektu, a nie od Twoich preferencji.
🔍 Dekoder Ogłoszenia
🔴
You can choose to focus on either Edge or Cloud solutions.
Chociaż jest opcja wyboru, faktyczne przydzielenie może zależeć od potrzeb zespołu i projektu, a nie od preferencji kandydata.
🔴
writing a paper on your results.
Może to oznaczać publikację w recenzowanym czasopiśmie naukowym, ale równie dobrze może chodzić o wewnętrzny raport lub dokumentację.
🟡
Implement advanced methods and technologies in model development
Może oznaczać pracę z najnowszymi, przełomowymi technologiami, ale równie dobrze może być to po prostu stosowanie standardowych, zaawansowanych technik ML.
🟡
Explore and evaluate new technologies in the field of machine learning.
Część pracy może polegać na badaniach i testowaniu nowych rozwiązań, co niekoniecznie przekłada się na bezpośrednie wdrażanie ich w produkcyjnych procesach.
🟡
Engage in continuous self-im
Jest to niedokończony zwrot, który najprawdopodobniej oznacza 'continuous self-improvement' (ciągłe samodoskonalenie), co jest standardowym oczekiwaniem w IT, ale może też sugerować brak formalnych szkoleń i poleganie na samodzielnej nauce.