Programista urządzeń AI Edge w Yael Acceptic

Poszukujemy doświadczonego programisty urządzeń AI Edge, który dołączy do naszego dynamicznego zespołu. Idealny kandydat będzie odpowiedzialny za projektowanie, rozwój i optymalizację algorytmów i modeli AI do wdrożenia na urządzeniach brzegowych. Doskonałe umiejętności rozwiązywania problemów, dbałość o szczegóły i umiejętność pracy w dynamicznym środowisku są niezbędne do osiągnięcia sukcesu na tym stanowisku. Jeśli pasjonujesz się przesuwaniem granic sztucznej inteligencji na krawędziach i rozwijasz się w środowisku współpracy, zachęcamy do aplikowania. Informacje: Nasz klient opracowuje urządzenia elektromechaniczne dla gospodarstw mlecznych, pulsatory i automatyczne odłączacze. Rozwiązanie jest liderem w branży dzięki zaawansowanym rozwiązaniom do monitorowania krów w oparciu o czujniki aktywności i przeżuwania. Obowiązki: - Projektowanie, rozwijanie i optymalizacja potoków widzenia komputerowego do wdrożenia na urządzeniach brzegowych; - Kompilacja krzyżowa rozwiązań dla różnych typów procesorów/NPU/VPU. Przeprowadź analizę wydajności i optymalizację, aby zapewnić możliwości przetwarzania w czasie rzeczywistym na urządzeniach brzegowych; - Stawisz czoła prawdziwym wyzwaniom i złożonościom wynikającym ze ścisłej współpracy z naszymi badaczami AI w celu zapewnienia wiodących na rynku produktów. Wymagania: - Ponad 5 lat doświadczenia w Pythonie, C/C++;- Praktyczne doświadczenie z GStreamer lub DeepStream;- Doświadczenie z TensorRT, ONNX;- Doświadczenie w przetwarzaniu wielu strumieni wideo;- Praktyczne doświadczenie z akceleratorami ML, takimi jak: Nvidia Jetson, Google Coral;- ​​Biegła znajomość Linux;- Biegła znajomość kontroli wersji Git;- Licencjat z inżynierii komputerowej, informatyki lub dziedzin pokrewnych;- Co najmniej poziom języka angielskiego na poziomie średnio zaawansowanym.Będzie dodatkowym atutem:- Zrozumienie pojęć z zakresu przetwarzania sygnałów, uczenia maszynowego i widzenia komputerowego; - Znajomość frameworków uczenia maszynowego, takich jak TensorFlow, PyTorch; - Kwantyzacja i oczyszczanie modeli sieci neuronowych; - Znajomość tworzenia obrazów Docker (pliki Docker); - Zrozumienie procesów CI/CD dla kodu produkcyjnego, testów jednostkowych i testów regresyjnych; - Znajomość CUDA.