Machine Learning feljesztő
Posted Updated 21
views
Summary
Machine learning developer in Budapest building computer-vision models for vehicle recognition and traffic applications: designing, training and evaluating neural networks, with MLOps pipelines and optimization for production/edge deployment. Core stack: Python, TensorFlow/Keras or PyTorch, Git; C++, Docker, Kubernetes, Linux as pluses.
- 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
- Alapvető szoftverfejlesztési ismeretek
- Machine learning / deep learning alapok ismerete
- Neurális hálózatok tanításának és kiértékelésének megértése
- Önálló és strukturált munkavégzés
- Képes a rábízott feladat célját megérteni, a szükséges lépéseket megtervezni és a feladatot megfelelő szakmai egyeztetések mellett végigvinni
- Kezdeményezőkészség és felelősségvállalás
- Aktív megoldáskeresés és saját javaslatok megfogalmazása
- Felelősségvállalás a rá bízott feladatok előrehaladásáért és eredményéért
- Fejlődési és tanulási motiváció
- Nyitottság új technológiák, modellek és eszközök önálló elsajátítására
- Együttműködő és transzparens kommunikáció
- Rendszeres és érthető előrehaladásjelzés, bizonytalanságok és akadályok kommunikálása
- Szükség esetén időben segítségkérés
- Alapvető Git használat
- Csapatban történő fejlesztésre való nyitottság
- Computer vision projektek vagy egyetemi / saját ML projekt
- TensorFlow/Keras, PyTorch vagy hasonló framework gyakorlati ismerete
- C++ ismeret
- Érdeklődés production vagy edge inference iránt
- Docker ismeret
- Linux ismeret
- Kubernetes ismeret
- MLOps eszközök ismerete
- Modelloptimalizálás, kvantálás, TFLite vagy edge eszközök terén szerzett tapasztalat
- Adatfeldolgozásban szerzett tapasztalat
- Mérési módszerekben szerzett tapasztalat
- Modellkiértékelésben szerzett tapasztalat
- Saját projekt, TDK, szakdolgozat, verseny vagy open-source munka, ahol önállóan vitt végig egy problémát
- Valós, ipari computer vision és machine learning problémákon való munka
- Nagy mennyiségű valós adat használata
- Modellek működő termékekben történő felhasználása
- A megoldások életciklusának követése az adatok megértésétől a production és edge környezetig
- A feladatok mélysége és önállóság igazítása a tapasztathoz
- Támogatás pályakezdőknek a szakmai fejlődéshez
- Lehetőség összetettebb problémák önálló végigvitelére és technikai megoldások kialakítására több éves tapasztalattal
- Kis, tapasztalt mérnöki csapatban való munka
- Számítás a saját ötletekre és szakmai javaslatokra
- Fontos a probléma megértése, lehetőségek mérlegelése és aktív megoldásalakítás
- Stabil műszaki alap, kíváncsiság és tanulási hajlandóság értékelése
- Valódi eredményig történő problémamegoldás szeretete
- Cafeteria
- Medicare egészségbiztosítás
- Céges belső rendezvények
- SZÉP kártya