AI engineer

Stack

Feladatok

• ▹Valós idejű 3D térbeli feldolgozó pipeline-ok tervezése, építése és karbantartása szenzorfúzióval (LiDAR, kamerakép, térbeli telemetria): pontfelhő-szűrés, szegmentálás és 3D elrendezéselemzés
• ▹Számítógépes látási modellek és utófeldolgozó algoritmusok fejlesztése szerkezeti jellemzők kinyerésére, épületgeometria felismerésére és pontos 2D/3D alaprajzok előállítására nyers vizuális és térbeli adatokból
• ▹Kutatási eredmények, algoritmus-prototípusok és modern AI/ML/LLM koncepciók átültetése nagy teljesítményű, karbantartható Python produkciós kódba, a fő termékimplementációk közvetlen gazdájaként
• ▹Többmodelles inferencia-pipeline-ok tervezése, telepítése és üzemeltetése AWS SageMakeren és NVIDIA Triton Inference Serveren, alacsony késleltetéssel és megbízható, nagy áteresztőképességű kiszolgálással
• ▹Végpontok közötti adat- és MLOps-pipeline-ok építése (szintetikus adatgenerálás, aktív annotálás, adathalmaz-verziókezelés, CI/CD, valós idejű telemetria) a modellek teljesítményének, késleltetésének és térbeli pontosságának folyamatos értékeléséhez, telepítéséhez és monitorozásához
• ▹Együttműködés a szoftverfejlesztő, kutatási és termékmenedzsment csapatokkal a prototípus-funkciók skálázható, piacra kész kiadásokká alakításában

Elvárások

• ▹Produkciós szintű Python-tudás, valamint C++ vagy Swift munkaszintű ismerete, tiszta kódra, moduláris felépítésre és futási sebességre fókuszálva
• ▹Gyakorlati tapasztalat OpenCV-vel, Open3D-vel vagy PCL-lel (Point Cloud Library) pontfelhő-szűrésben, térbeli szegmentálásban, jellemzőkinyerésben és 2D/3D koordináta-transzformációkban
• ▹Mély tapasztalat PyTorch vagy TensorFlow keretrendszerekkel, valamint Scikit-learn ismerete a hagyományos gépi tanuláshoz és statisztikai adatelemzéshez
• ▹Bizonyított tapasztalat alacsony késleltetésű kiszolgáló infrastruktúra építésében NVIDIA Triton Inference Serverrel, valamint végpontok közötti modell-munkafolyamatok kezelésében AWS SageMakeren
• ▹Modelloptimalizálási és gyorsítási ismeretek: kvantálás, pruning, célfordítók (például ONNX Runtime, TensorRT) a produkciós késleltetési célok eléréséhez
• ▹Szilárd alapok lineáris algebrából, 3D geometriából, koordináta-rendszerekből és többszenzoros fúzióból, valamint tájékozottság a modern LLM-/multimodális alkalmazásokról

Előny

• ▹Vezeték nélküli szakterületi ismeret: az RF-környezet szimulációjának, a beltéri lefedettség modellezésének vagy a vezeték nélküli hálózattervezés alapjainak ismerete
• ▹Tapasztalat látásmodellek optimalizálásában vagy futtatásában iOS-eszközökön (CoreML, ARKit, Metal)

Soft skillek

A munkáltatóról

Az Ekahau olyan szoftver- és hardvertermékeket kínál, amelyekkel az IT-szakemberek a teljes Wi-Fi életciklust kezelhetik: tervezés, helyszíni felmérés és hibaelhárítás. Az Ookla az Accenture tagja.