Computer Vision/Machine Learning Engineer

В Path Robotics мы посвящены инновациям на стыке науки о сварке и искусственного интеллекта. Мы стремимся удовлетворить потребности индустрии на триллион долларов, движимые дефицитом квалифицированных кадров. Наша команда ежедневно занимается решением больших и сложных проблем, опираясь на наш главный актив - наших людей. Path Robotics предлагает динамичную, поддерживающую и переломную среду, где блестящие умы собираются вместе, чтобы достигать невероятного каждый день.

В качестве инженера по компьютерному зрению/машинному обучению, вы будете играть ключевую роль в разработке передовых решений для роботизированной сварки. Эта позиция требует опытных навыков в области компьютерного зрения, глубокого обучения и программирования на Python, поскольку вы будете решать уникальные задачи и работать в команде с талантливыми коллегами, чтобы преодолеть границы возможного.

• Разработка и внедрение передовых алгоритмов для восприятия роботами, специально адаптированных для сложных задач сварки.
• Использование различных датчиков зрения, включая RGB/GigE, LiDAR и ToF датчики глубины.
• Заниматься исследованиями для творческого решения специфических для сварки задач с использованием обширных данных изображений и облаков точек.
• Проектирование и проведение экспериментов для оценки глубоких нейронных сетей и систем машинного обучения, с акцентом на стратегиях глубокого обучения.
• Следить за последними тенденциями и достижениями в области робототехники, компьютерного зрения и исследований по машинному обучению, интегрируя эти новшества в наши проекты.

Идеальные кандидаты должны иметь следующие квалификации:

• Степень бакалавра или магистра в области компьютерных наук, специализирующейся на компьютерном зрении и машинном обучении, или эквивалентный практический опыт.
• Доказанный опыт в разработке алгоритмов машинного обучения или приложений, подкрепленный реальным участием в проектах.
• Сильные навыки программирования на Python и твердые базовые знания в области нейронных сетей и моделей, основанных на данных.
• Сильный интерес к вкладу в динамичную среду стартапа и оказанию значительного влияния.

Лучший способ выделиться:

• Вклад в топовые