Machine Learning feljesztő
Posted 8
views
Summary
Machine learning developer building computer vision models for vehicle recognition and traffic applications in Budapest. Day to day: designing, training and evaluating models, building MLOps pipelines, and collaborating with C++/edge inference engineers to get models working in real products.
- Machine learning és computer vision megoldások fejlesztése járműfelismerési és közlekedési alkalmazásokhoz
- Modellek és adatfeldolgozási folyamatok tervezése, implementálása, tanítása és kiértékelése
- MLOps folyamatok fejlesztése és használata: reprodukálható tréning- és kiértékelési pipeline-ok, kísérletek követése, automatizálás és a modellek megbízható továbbítása a fejlesztéstől a felhasználásig
- Adatminőségi és modellhibák feltárása, mérések és kísérletek megtervezése
- Meglévő neurális hálózati modellek továbbfejlesztése, optimalizálása és új megközelítések kipróbálása
- Együttműködés C++/edge inference és adatplatform oldali fejlesztőkkel, hogy a modellek valódi termékben is működjenek
- Saját feladatok önálló végigvitele: probléma megértése, megoldási javaslat, megvalósítás, mérés, dokumentálás és eredmények bemutatása
- Stabil Python tudás és alapvető szoftverfejlesztési ismeretek
- Machine learning / deep learning alapok ismerete
- Neurális hálózatok tanításának és kiértékelésének megértése
- Önálló és strukturált munkavégzés
- Kezdeményezőkészség és felelősségvállalás
- Fejlődési és tanulási motiváció
- Nyitottság új technológiák, modellek és eszközök önálló elsajátítására
- Együttműködő és transzparens kommunikáció
- Alapvető Git használat és csapatban történő fejlesztésre való nyitottság
- Computer vision projektek vagy egyetemi / saját ML projekt
- TensorFlow/Keras, PyTorch vagy hasonló framework gyakorlati ismerete
- C++ ismeret, illetve érdeklődés production vagy edge inference iránt
- Docker, Linux, Kubernetes vagy MLOps eszközök ismerete
- Modelloptimalizálás, kvantálás, TFLite vagy edge eszközök terén szerzett tapasztalat
- Adatfeldolgozásban, mérési módszerekben vagy modellkiértékelésben szerzett tapasztalat
- Saját projekt, TDK, szakdolgozat, verseny vagy open-source munka, ahol önállóan vittél végig egy problémát
- Valós, ipari computer vision és machine learning problémákon való munka nagy mennyiségű valós adaton
- A megoldások életciklusának követése az adatok megértésétől a production és edge környezetig
- Feladatok mélysége és önállóság igazítása a tapasztalathoz
- Támogatás pályakezdőknek szakmai fejlődéshez
- Lehetőség összetettebb problémák önálló végigvitelére és technikai megoldások kialakítására
- Kis, tapasztalt mérnöki csapatban való munka
- Fontos szakmai ötletek és javaslatok érvényesülése
- Stabil műszaki alap, kíváncsiság és tanulási hajlandóság
- Probléma megértése és valódi eredményig való elvitel