该职位不符合签证赞助资格（例如，H-1B、TN等）。
关于该职位
申请前请阅读资格要求
我们正在寻找一位具有深厚数字信号处理（DSP）和时间序列深度学习背景的机器学习工程师。您将与其他生物工程师一起构建我们设备的“智能层”。您的任务是将我们非侵入式传感器测量的血液分析物数据转化为独立的测量值。
您的数据集将包含复杂的波形，这些波形充满了运动伪影和生理噪声。我们希望找到一个能够完全负责自己领域的自我启动者，并且能够自主工作，无需微观管理或手把手指导。该职位可能还包括国际旅行。
职责
• 设计和实施稳健的管道，以清理和规范化传感器的原始“锯齿”波形。
• 构建和训练深度学习模型（CNN-LSTMs、Transformers或状态空间模型），对生理信号进行回归，以估计血液成分体积。
• 提取与血液粘度和分析物浓度相关的形态和频域特征（脉搏到达时间、脉搏面积、谐波比）。
• 开发“生物信号智能”层，以检测和拒绝由运动、肤色变化、环境干扰等引起的“坏数据”。
• 进行严格的误差网格分析（例如，Clarke误差网格）并与“金标准”侵入性实验室结果进行验证。
资格要求
该职位不符合签证赞助资格（例如，H-1B、TN等）。请注意，该职位的最低资格要求是严格的；只有符合列出要求的候选人才会被考虑。
• 生物医学工程、计算机科学或电气工程的硕士或博士学位，专注于ML/信号处理，或具有同等经验。
• 具有扎实的软件开发经验，精通C、C++和Python。
• 具有使用PyTorch或TensorFlow构建时间序列数据回归机器学习模型的经验。
• 深刻理解红外、光电容积描记法（PPG）和/或射频传感的物理原理。
• 精通数字信号处理（FFT、小波变换、自适应滤波）。
• 申请人必须目前被授权在美国全职工作。
