关于职位
我们正在寻找一名AI研究工程师（计算机视觉），以研究、原型设计和验证在实时CCTV视频上具有高精度的计算机视觉解决方案。
该职位位于研究、实验和实际部署的交汇处。您将专注于在Jupyter笔记本中构建工作原型，在类似生产的数据上验证它们，并将知识转移给MLOps和工程团队以进行扩展和部署。
这是一个快节奏的初创公司环境，强调可交付成果和结果，而不是固定的工作时间。
主要职责
研究与原型设计
- 研究和原型设计用于实际CCTV用例的计算机视觉模型和算法
- 使用真实视频流和数据集构建和迭代Jupyter笔记本原型
- 在具有挑战性的条件下（遮挡、光照、摄像机角度、运动模糊等）优化模型以实现高精度和召回率
- 进行检测、跟踪、重新识别、时间推理和多摄像机设置的实验
验证与指标
- 设计和运行用于模型准确性、精度、召回率和延迟的评估管道
- 分析失败案例并提出系统性改进
- 执行消融研究和控制实验
知识转移与协作
- 与以下团队进行知识转移（KT）会议：
- MLOps团队以改善训练管道、模型性能和推理效率
- 工程团队以将研究原型转化为可部署的生产系统
- 清晰地记录研究发现、假设和权衡
部署意识
- 与工程师合作，确保研究原型可在生产环境中部署
- 考虑计算限制、延迟、GPU使用和可扩展性等实际约束
所需资格
- 计算机视觉（目标检测、跟踪、分割、视频分析）方面的扎实基础
- 精通Python
- 有使用Jupyter笔记本进行研究和原型设计的经验
- 对精度、召回率、F1、ROC和评估指标有深入理解
- 能够推理实际数据噪声和边缘案例
- 能够处理非结构化视频数据
- 候选人必须持有有效的新加坡工作许可或新加坡公民/永久居民身份
优先条件（加分项）
- 计算机视觉领域的行业或研究经验
- 有使用NVIDIA DeepStream管道的经验
- 熟悉GPU推理优化（TensorRT、CUDA概念）
- 有处理实时CCTV或监控视频的经验
- 接触过MLOps工作流程和模型部署管道
工作环境与文化
- 具有高度所有权和自主性的初创公司环境
- 基于可交付成果的工作时间（不是严格的9-6）
- 快速迭代周期和实际影响
- 与工程和MLOps团队密切合作
- 有机会快速将研究部署到生产中
加入我们的理由
- 处理实际生产中的计算机视觉问题，而非玩具数据集
- 看到您的研究上线并产生即时影响
- 高度所有权，极少官僚作风
- 具有竞争力的薪酬和强大的学习与成长机会
