6个月-临时合同
端到端机器学习和深度学习模型开发：负责机器学习项目的整个生命周期，从初始数据收集和标注到在生产环境中部署模型。
面部识别领域知识：
运用面部识别方面的专业知识，包括年龄估计、人物特征检测、性别预测等。
技术熟练：
展示在Python编程、PyTorch、Huggingface、sklearn、pandas、Docker和REST API开发方面的高级技能。
数据清洗和预处理：
进行探索性数据分析和数据预处理和清洗，为高效有效的模型训练准备数据集。
模型选择、训练和验证：
开发和训练机器学习和深度学习模型，采用最先进的技术和算法。
进行全面的模型选择过程，比较和评估各种模型，确定最适合特定任务的模型。
测试基准和模型扩展：
在各种场景下对模型进行严格测试，确保其可靠性和稳健性。将模型性能与行业标准进行基准测试，并对模型进行扩展以有效处理大规模数据。
部署和MLOps：
将机器学习模型部署到生产环境中，确保无缝集成和功能正常。
在生产环境中采用MLOps实践进行持续集成、交付和模型监控。
技术文档：
为开发的模型和过程创建全面的文档，详细说明方法、代码库和用户指南。
确保为技术和非技术人员提供清晰易懂的文档，有助于跨部门理解和合作。
资格要求：
• 计算机科学、人工智能或机器学习的学士或硕士学位。
• 在Python编程方面具有扎实的编码能力，并具有Docker、REST API、PyTorch、Transformers、sklearn和其他AI/ML框架/库的经验。
• 在面部识别系统方面有3年以上的经验。
• 在CPU和GPU服务器上进行端到端机器学习和深度学习模型训练的经验，具有并行处理经验。
• 具备解决问题的能力，注重实际和可扩展的解决方案。
• 出色的沟通和协作能力，能够在团队环境中有效工作。
• 积极主动地了解最新的机器学习、深度学习和相关技术进展。
• 具有SQL、Elasticsearch、云服务和PySpark的经验：
• 利用SQL和Elasticsearch进行数据查询和操作。
• 利用云服务和PySpark进行分布式计算和大规模数据处理。
• 增量/持续的ML模型训练：
• 实施持续学习和模型更新的策略，以适应新数据和不断变化的需求。 
阿布扎比