Staff gépi tanulási mérnök, látásmodellek

Stack

Feladatok

• ▹Az offline mérést kiszolgáló jelenetértelmező modellek fejlesztése, tanítása és finomhangolása, a fedélzeti architektúrák és Wayve Foundation Modellek offline adaptálásával
• ▹Pontosság és általánosítás javítása jármű-platformokon, régiókon és vezetési körülményeken keresztül; hibamódok diagnosztizálása
• ▹Az offline környezet előnyeinek kiaknázása: nagyobb compute-budget, nagyobb modellkapacitás, kétirányú időbeli kontextus, multi-task tanulás
• ▹Saját modellek mérése: benchmarkolás, minőségi küszöbök meghatározása, metrikák és hibaanalízis a következő iterációhoz
• ▹A benchmark-eredmények statisztikai megalapozottságának biztosítása validációs pipeline-okhoz és biztonsági esetekhez
• ▹Prioritások összehangolása és mentorálás a fedélzeti modellezési, kiértékelési, adatkurálási és szimulációs csapatokkal

Elvárások

• ▹5+ év tapasztalat ML mérnökségben, éles környezetbe kerülő mélytanulási modellek tanításában és szállításában
• ▹Gyakorlati tapasztalat modern számítógépes látás modellek — köztük transzformer-alapú és multimodális/VLM architektúrák — tanításában detekcióhoz, szegmentáláshoz, osztályozáshoz vagy jelenetértelmezéshez, kamera- és/vagy lidar-adatokon
• ▹Tapasztalat nagy előtanított/foundation modellek adaptálásában vagy finomhangolásában, megosztott reprezentációk többfeladatos tanításában
• ▹Jártasság Pythonban és ML keretrendszerekben (elsősorban PyTorch), szoftvermérnöki alapokkal és nagyléptékű tanítási tapasztalattal
• ▹Staff szintű technikai vezetés: kutatásban jártas, pragmatikus irányadás, formális vezetői pozíció nélkül
• ▹Képesség saját modellek mérésére: metrikák definiálása és értelmezése a valódi javulás megítéléséhez

Előny

• ▹Tapasztalat 3D jelenetértelmezésben és reprezentációtanulásban geometriai és szemantikai percepcióhoz
• ▹Tapasztalat offline modellezésben: auto-labeling, modell-desztilláció, időbeli vagy world modellek
• ▹Korábbi tapasztalat önvezető járművekkel vagy robotikával, fizikai rendszereken végzett validálással
• ▹Tapasztalat flotta-léptékű adatokkal és nagyléptékű elosztott tanítási infrastruktúrával

Soft skillek

Amit kínálunk

• ▹Versenyképes részvényopció-csomag
• ▹Hibrid munkavégzés a Sunnyvale-i irodából

A munkáltatóról

A Wayve Mérési (Measurement) csapata az AI Evaluation szervezet része, amely a Wayve Driver offline teljesítménymérésére szolgáló jelenetértelmező modelleket építi és minősíti.