高级机器学习/计算机视觉工程师
Parallel Systems正在寻找一位经验丰富的机器学习工程师，帮助构建下一代感知系统，为我们的全自动电池电动铁路车辆提供动力。在这个职位上，您将负责设计和部署最前沿的深度学习模型，使我们的车辆能够感知和理解复杂的现实环境。从处理恶劣天气和模糊信号到在活跃的铁路上导航多主体交互，您的工作将直接影响我们自动化平台的安全性和可靠性。
您将与顶尖工程师紧密合作，涉及自动化、机器人和系统领域，解决实时机器学习和计算机视觉中一些最具挑战性的问题。如果您对在安全关键的现实应用中推动AI边界的机会感到兴奋，我们希望与您合作。
对于具有0到1构建感知系统经验的高级工程师来说，这可以是一个远程职位。
职责：
- 设计、开发和部署用于大规模感知问题的先进机器学习模型。
- 全面负责ML生命周期——从数据挖掘和标注到训练、评估和生产级模型的部署。
- 构建和优化用于目标检测、分割、跟踪、姿态估计和场景理解的深度学习架构。
- 开发可扩展且高效的训练管道，确保稳健的实时推理性能。
- 广泛使用大型图像、视频、激光雷达和雷达数据集，为下一代计算机视觉系统提供动力。
- 进行研究和实证研究，以评估新架构、技术和算法改进，适当时结合或调整最先进的方法。
- 构建和贡献支持ML管道的基础设施和工具，以自动化数据标注、训练工作流、评估过程和模型版本控制。
- 与其他工程、研究和产品团队跨职能合作，确保ML系统无缝集成到现实应用中。
成功的标志：
- 30天后：您已经对当前的感知架构、传感器设置和系统要求有了深入了解。您已识别出ML管道中的关键挑战，并提出了在数据工作流、模型性能和部署限制方面的初步改进领域。
- 60天后：您已领导设计一个新的或改进的感知子系统，并亲自参与ML管道工具的开发。您已构建一个与系统需求一致的概念验证，基于现实约束展示了性能或可靠性的早期改进。
- 90天后：您已交付一个在离线测试中具有经过验证的工作模型的感知功能，显示出可衡量的收益。系统已集成到管道中，并正在向边缘部署推进，对整体感知能力产生了明确的影响。
基本要求：
- 计算机科学、机器学习或相关技术学科的学士或更高学位。
- 4年以上大规模开发和部署ML系统的实际经验。
- 在计算机视觉和/或深度学习方面有扎实的背景，并在设计和训练用于现实应用的神经网络方面有实际经验。
- 精通Python，并熟悉标准ML库和工具（如NumPy、SciPy、Pandas）。
- 精通至少一种深度学习框架，如PyTorch或TensorFlow。
- 在线性代数、几何、概率和优化方面有扎实的数学基础。
- 在快节奏环境中自主工作和推动复杂技术项目的成功经验。
- 出色的沟通和协作能力，具有跨学科团队合作的经验。
优先资格：
- 具有多模态感知经验（如来自相机、激光雷达、雷达的传感器融合）。
- 具有在实时约束下优化边缘设备部署模型的经验。
- 在自动化系统、机器人或其他安全关键领域的背景。
- 在顶级ML或CV会议（如CVPR、ICCV、NeurIPS、ICML、ECCV）上发表过论文。
- 具有GPU/TPU编程和优化工具（如CUDA、TensorRT）的经验。
- 了解C++或Rust等低级编程语言。
- 具有直接与传感硬件合作并理解其限制的经验。
