Описание вакансии
Buzz революционизирует аналитику и обслуживание инфраструктуры электросетей с помощью наших передовых AI-решений. Наши системы компьютерного зрения анализируют критически важную инфраструктуру для повышения безопасности, надежности и операционной эффективности по всей сети электроснабжения.
Мы ищем инженера по машинному обучению для развития наших инициатив в области компьютерного зрения и помощи в создании возможностей базовых моделей. Вы будете служить мостом между передовыми исследованиями и производственными системами, читая статьи, адаптируя новые алгоритмы и превращая их в надежные, развернутые модели для анализа электросетей. Вы будете работать в команде опытных инженеров ML, имея автономию для ведения собственных проектов и поддержку для дальнейшего развития.
Обязанности
Выполнение проектов
- Владеть и реализовывать проекты компьютерного зрения от начала до конца, сосредоточенные на:
- Обнаружение дефектов оборудования
- Идентификация тепловых аномалий
- Мониторинг зарастания растительностью
- Наблюдение за закрытыми территориями для предотвращения проникновения людей и животных
- Определять объем, планировать и выполнять собственные проекты от постановки задачи до развертывания и мониторинга в производстве.
- Реализовывать проекты для клиентов, переводя требования и необработанные данные в работающие решения компьютерного зрения.
- Вносить вклад в общие командные проекты, координируя работу с другими инженерами для достижения общих целей.
Исследования и эксперименты
- Следить за новейшими исследованиями в области ML/CV, выявлять перспективные методы и оценивать их применимость в нашей области.
- Адаптировать и внедрять алгоритмы из статей, проверяя их на базовых методах и оценивая пригодность для производства.
- Применять последние достижения в области глубокого обучения и генеративного AI для обучения моделей, повышения точности и надежности.
- Проектировать и проводить эксперименты с систематической настройкой гиперпараметров, исследованиями абляций и использованием соответствующих базовых методов.
- Проводить структурированный анализ ошибок: классифицировать типы сбоев (ложные срабатывания, пропущенные обнаружения, ошибки локализации, неправильная классификация) и анализировать производительность по различным срезам данных (размер объекта, заслонение, качество изображения).
- Выбирать и обосновывать архитектуры моделей на основе требований задачи, задержки и компромиссов точности.
Инжиниринг и производство
- Разрабатывать производственные библиотеки на Python для полного жизненного цикла ML.
- Проектировать и реализовывать конвейеры обработки данных, включая сбор, предварительную обработку, рабочие процессы аннотации и мониторинг качества.
- Отвечать за отслеживание экспериментов и версионирование моделей: конфигурации, случайные зерна, версии наборов данных, спецификации окружения и контрольные точки моделей.
- Строить конвейеры обслуживания моделей, соответствующие требованиям по задержке и пропускной способности.
- Проводить тщательные обзоры кода и писать интеграционные тесты для ML-конвейеров.
Сотрудничество и мастерство
- Делиться знаниями с коллегами и вносить вклад в лучшие практики разработки, оценки, развертывания и мониторинга моделей.
- Отстаивать и поддерживать стандарты качества программного обеспечения в команде ML.
- Четко доносить результаты исследований, технические решения и ограничения моделей до заинтересованных сторон и клиентов.
Квалификация и опыт
- 2-5 лет опыта работы в индустрии в области компьютерного зрения и машинного обучения.
- Глубокое понимание современных методов компьютерного зрения и глубоких нейронных сетей, включая:
- Обнаружение объектов
- Семантическая сегментация
- Классификация изображений
- Визуальные трансформеры и базовые модели
- Модели визуального языка
- Поиск по сходству
- Опыт вывода как минимум одной модели ML в производство и ее поддержки.
- Опыт выбора, тонкой настройки и адаптации архитектур моделей (CNN, трансформеры, базовые модели) для конкретных задач.
- Доказанная способность читать научные статьи по ML, выделять ключевые идеи и реализовывать их.
- Умение отлаживать нестабильности обучения и проводить систематический анализ ошибок.
- Владение Python и основным стеком ML:
- PyTorch и Lightning
- OpenCV
- NumPy и pandas
- Scikit-Learn
- FastAPI и Pydantic
- Сильные практики разработки программного обеспечения, включая:
- Система контроля версий Git
- Модульное и интеграционное тестирование (Pytest)
- CI/CD конвейеры (GitHub Actions)
- Docker и воспроизводимые окружения
- Отслеживание экспериментов и версионирование моделей
- ML DevOps
- Аннотации типов в Python
- Доказанная способность самостоятельно вести технические проекты от постановки задачи до развертывания в производстве.
Желательный дополнительный опыт
- Мультимодальное компьютерное зрение
- Разработка кастомных моделей обнаружения объектов
- Генеративные модели для увеличения данных
- Извлечение измерений из GIS и/или изображений с метаданными дронов
- Квантование моделей и оптимизация задержки для развертывания на периферии
- Систематическая настройка гиперпараметров в масштабе
- Опыт работы в сферах энергетики, коммунальных услуг, геопространственных данных или промышленного инспектирования
Дополнительная информация:
- Эта позиция не предусматривает спонсорство для разрешения на работу в Соединенных Штатах.
