Edge AI mérnök

Stack

Feladatok

• ▹ML modellek tervezése, betanítása és validálása számítógépes látás, szenzorfúzió, jelfeldolgozás és prediktív analitika céljára
• ▹ML pipeline-ok fejlesztése és optimalizálása eszközön futó (on-device) következtetéshez, beleértve a kvantálást, teljesítményhangolást és DSP/NPU-gyorsítást
• ▹Üzembe helyezett modellek teljesítményének monitorozása, tesztelése és optimalizálása a pontosság, skálázhatóság és karbantarthatóság érdekében
• ▹Adatbeviteli, előfeldolgozási és feature-engineering pipeline-ok építése edge és hibrid (edge + cloud) telepítésekhez
• ▹Nagy adathalmazok kinyerése, feldolgozása és elemzése a modellteljesítmény folyamatos javítása érdekében
• ▹Együttműködés kereszt-funkcionális csapatokkal (architektek, beágyazott fejlesztők, projektmenedzserek, UI/UX, ügyfelek) az ML-funkciók termékbe integrálásához
• ▹Részvétel prototípus-készítésben, PoC-kban, ügyfél-egyeztetéseken és technikai bemutatókon
• ▹Munka dokumentálása, a döntések és kompromisszumok érthető magyarázata
• ▹Naprakészen tartás az AI/ML legújabb trendjeivel, eszközeivel és technológiáival

Elvárások

• ▹Erős, gyakorlati tapasztalat Pythonban, ML keretrendszerekben (PyTorch vagy TensorFlow) és klasszikus számítógépes látás könyvtárakban (OpenCV, scikit-learn)
• ▹Képesség ML modellek építésére és üzembe helyezésére edge vagy beágyazott platformokon, lehetőleg Qualcomm, Nordic, NXP vagy hasonló SoC-kon szerzett tapasztalattal
• ▹Jártasság kvantálásban, modell-tömörítésben, benchmarkingban és korlátozott hardveren végzett inferencia-profilozásban
• ▹Tapasztalat adat-pipeline-okkal, beleértve az adatvalidálást, augmentációt és teljesítményelemzést
• ▹Az end-to-end ML életciklus megértése, beleértve a kísérletezést, kiértékelést és production-környezeti üzembe helyezést

A munkáltatóról

A Sigma Connectivity Edge AI kezdeményezései több területet ölelnek fel – számítógépes látás, hangintelligencia, szenzorfúzió és beágyazott ML –, alacsony késleltetésű, adatvédelmet szem előtt tartó intelligenciát juttatva közvetlenül az eszközökre, sokféle hardverplatformon.