关于Cynapse
Cynapse是一家领先的AI软件公司，专注于企业级视频智能解决方案，由生成式AI驱动，旨在满足各行业的独特挑战。我们的垂直行业解决方案使组织能够在复杂环境中提高安全性、运营效率和安全性，如道路、海港、机场和城市。通过将先进的视觉AI与生成式AI相结合，我们不断突破视频分析的界限，提供变革运营的洞察和自动化。
由一支具有将初创公司扩展为市场领导者的成功经验的全球团队领导，我们促进创新、协作和多元化视角。Cynapse总部位于美国，为全球客户服务，重新定义视频智能的可能性。
职位描述
我们正在寻找一位才华横溢且高度积极的机器学习工程师加入我们的模型工程团队，专注于构建、训练和改进用于实际系统的计算机视觉模型。在这个角色中，您将设计改进准确性、速度和可靠性的模型，并在实验、数据和面向生产的ML管道中工作。
您将与经验丰富的工程师合作，将研究想法和实验转化为影响部署系统的实际改进。
您还将与生产级机器学习系统合作，贡献于模型在实际环境中的评估、部署和监控。
您的工作内容：
模型工程与训练
- 协助训练、微调和评估计算机视觉模型，用于分类、目标检测、分割、姿态估计和视频理解等任务。
- 参与模型工程工作，包括修改架构、调整骨干或头部，以及调整训练策略以提高准确性、稳定性和推理速度。
- 试验数据增强、损失函数、优化方法和学习率调度等训练技术。
- 探索和评估现代视觉模型，包括在相关情况下的开放词汇或多模态方法。
研究与实验
- 阅读、讨论并应用相关研究论文、技术博客和内部技术文档中的见解。
- 原型化和评估新模型、方法或技术，通过结构化实验与既定基线进行比较。
- 分析实验结果并记录性能权衡、局限性和失败模式的见解。
评估与失败分析
- 分析模型性能超出标题指标，包括长尾行为、边缘情况和实际影响。
- 调试模型失败，如假阳性、假阴性或不稳定预测。
- 通过有针对性的数据改进、推理逻辑或模型调整提高鲁棒性。
数据与实验基础设施
- 处理大规模数据集，包括预处理、增强、验证和质量检查。
- 遵循已建立的数据集版本控制、实验跟踪和可重复性工作流程。
- 编写干净、可维护的实验代码和基于配置的训练设置。
生产与MLOps曝光
- 在资深工程师的指导下协助模型部署和监控。
- 使用生产中使用的训练、评估和推理管道。
- 应用模型生命周期实践，如版本控制、再训练、验证和回滚。
- 考虑性能和效率约束，包括延迟、GPU内存使用和推理成本。
最低要求
- 至少拥有计算机科学、AI、机器学习或相关技术领域的学位，或同等的实际经验。
- 1-2年以上通过专业工作、研究或重大项目获得的深度学习和计算机视觉相关实践经验。
- 熟练掌握Python。
- 具有PyTorch和/或TensorFlow经验。
- 熟悉Linux环境（CLI使用、基本shell命令）。
加分技能
- 接触过多模态或开放词汇模型。
- 具有超越配置级别更改的模型修改经验（如层、头、损失函数）。
- 熟悉实验跟踪或MLOps工具（如Git、Docker、MLflow、Weights & Biases）。
- 具有模型优化或导出经验（如ONNX、TensorRT、量化）。
- 具有处理视频数据或使用OpenCV或FFmpeg工具的经验。
个人能力
- 对工程和改进机器学习模型有浓厚兴趣，而不是将其视为黑箱。
- 对架构、数据和训练策略如何影响实际性能充满好奇。
- 在协作工程环境中舒适地进行实验、调试和迭代。
- 能够根据经验水平和项目需求承担适当的模型组件责任。
注意：由于职位的性质，该职位仅考虑已在新加坡的候选人。
