Analityk danych ze specjalizacją w zakresie widzenia komputerowego (Data Competency Center) w Sigma Software

Wkrocz w rolę analityka danych w Sigma Software, ze szczególnym uwzględnieniem widzenia komputerowego. Na tym dynamicznym stanowisku w naszym Data Competency Center będziesz przewodzić innowacjom, tworzyć architektury rozwiązań i uczestniczyć w działaniach przedsprzedażowych, wykorzystując czołową technologię Computer Vision. Project Weare to zespół ponad 160 profesjonalistów. Nosimy bardzo różne, ale kilka rzeczy tworzy prawdziwy zespół: autentyczną pasję do naszej pracy, życzliwość i niewyczerpany optymizm, bez względu na wszystko. AsaMiddle Data Scientist dołączający do BU003 Data Competency Center, będziesz odgrywać kluczową rolę w kształtowaniu i kierowaniu jego przedsięwzięciami. OBOWIĄZKI Definiowanie i udoskonalanie wymagań technicznych dla projektów Computer Vision w ścisłej współpracy z klientami i liderami zespołów Kierowanie tworzeniem i wdrażaniem zaawansowanych modeli Computer Vision do wykrywania obiektów, klasyfikacji obrazów i analizy wideo w czasie rzeczywistym Włączanie klasycznych technik uczenia maszynowego, takich jak klastrowanie, klasyfikacja i wykrywanie anomalii w projektach Computer Vision, aby zwiększyć dokładność i wydajność. Pracuj z różnymi źródłami danych, aby przygotować i zoptymalizować dane dla aplikacji Computer Vision, zapewniając solidne szkolenie modeli i wydajność. Kieruj integracją modeli Computer Vision z systemami produkcyjnymi, koncentrując się na wydajności i skalowalności w czasie rzeczywistym. Bądź na bieżąco. pojawiających się trendów i technologii Computer Vision, eksperymentowanie z nowymi narzędziami i metodami przesuwanie granic obecnych modeli i rozwiązań Komunikowanie wartości i wpływu projektów Computer Vision dla interesariuszy, skutecznie przekładając złożone osiągnięcia techniczne na strategiczne korzyści biznesowe Aktywny udział w ocenie nowych narzędzi do inżynierii danych analitycznych lub danych WYMAGANIA naukowe Ugruntowana wiedza specjalistyczna w zakresie widzenia komputerowego, wzmocniona dużą biegłością w języku Python i głębokim zrozumieniem podstawowych frameworków, takich jak OpenCV, TensorFlow i PyTorch Wszechstronna wiedza i praktyczne doświadczenie z różnymi architekturami sieci neuronowych, w tym konwolucyjnymi sieciami neuronowymi (CNN), Fast R-CNN, VGG, ResNet, YOLO i SSD do zadań takich jak klasyfikacja obrazów, wykrywanie obiektów, segmentacja i przetwarzanie wideo w czasie rzeczywistym. Znajomość technik wdrażania, takich jak uczenie się transferu, powiększanie danych i dostrajanie w celu optymalizacji wydajności modelu Solidne podstawy klasycznych technik uczenia maszynowego, ze sprawdzoną zdolnością do skutecznej integracji tych metod z zaawansowanymi technologiami widzenia komputerowego Wykazano sukces w zarządzaniu i analizowaniu różnorodnych źródeł danych, w tym ustrukturyzowanych i nieustrukturyzowanych oraz strumieni danych w czasie rzeczywistym, w celu przygotowania i optymalizacji danych dla modeli Computer Vision Zaangażowanie w ciągły rozwój zawodowy, ze szczególnym naciskiem na bycie na bieżąco z najnowszymi osiągnięciami w metodologiach, narzędziach i klasycznych technikach uczenia maszynowego Znajomość języka angielskiego: Pewny siebie Poziom średniozaawansowany lub wyższy (oba w piśmie i mówione)PROFIL OSOBISTY: Wykazane umiejętności rozwiązywania problemów i analitycznego myślenia, z udokumentowanym doświadczeniem w stosowaniu tych umiejętności w rzeczywistych wyzwaniach w celu identyfikowania problemów, gromadzenia odpowiednich danych i opracowywania kreatywnych rozwiązań Continnastawienie na uczenie się, dzięki czemu będziesz na bieżąco z najnowszymi osiągnięciami w zakresie głębokiego uczenia się i odpowiednio dostosujesz umiejętności PROJEKTY Jesteśmy zespołem ponad 160 profesjonalistów. Jesteśmy bardzo różni, ale kilka rzeczy czyni nas prawdziwym zespołem: autentyczna pasja do naszej pracy, życzliwość i niewyczerpany optymizm bez względu na wszystko. Dołączając do Centrum Kompetencyjnego BU003 Data jako Middle Data Scientist, będziesz odgrywać decydującą rolę w kształtowaniu i rozwijaniu jego działalności. OBOWIĄZKI Definiowanie i specyfikowanie wymagań technicznych dla projektów wizji komputerowej w ścisłej współpracy z klientami i współpracownikami zespołu Zarządzanie tworzeniem i wdrażaniem zaawansowanych modeli wizji komputerowej do wykrywania obiektów, klasyfikacji obrazów i analizy wideo w czasie rzeczywistym Wdrażanie klasycznych metod uczenia maszynowego, takich jak klastrowanie, klasyfikacja i wykrywanie anomalii w projektach wizji komputerowej w celu poprawy dokładności i wydajności Praca z różnymi źródłami danych w celu przygotowania i optymalizacji danych dla aplikacji wizji komputerowej, zapewniając solidne szkolenie modeli i wydajność Zarządzanie integracją modeli wizji komputerowej z systemami produkcyjnymi, koncentrując się na czasie rzeczywistym produktywność i skalowalność Bądź na bieżąco z pojawiającymi się trendami branżowymi i technologiami wizji komputerowej, eksperymentuj z nowymi narzędziami i metodami, aby przesuwać granice istniejących modeli decyzyjnych Komunikuj interesariuszom wartość i wpływ projektów wizji komputerowej, skutecznie przekładając złożone osiągnięcia techniczne na strategiczne korzyści biznesowe Aktywnie uczestniczyć w ocenie nowych narzędzi do analitycznej inżynierii danych lub data science Znajomość języka angielskiego: Pewny siebie Poziom średniozaawansowany lub wyższy (zarówno w mowie jak i piśmie) WYMAGANIADoświadczenie w zakresie widzenia komputerowego, poparte wysokim poziomem znajomości języka programowania Python oraz głębokie zrozumienie głównych frameworków, takich jak OpenCV, TensorFlow i PyTorch. Wszechstronna wiedza i praktyczne doświadczenie w pracy z różnymi architekturami sieci neuronowych, w tym konwolucyjnymi sieciami neuronowymi (CNN), Fast R-CNN, VGG, ResNet, YOLO i SSD, dla zadania takie jak klasyfikacja obrazu, wykrywanie obiektów, segmentacja i przetwarzanie wideo w czasie rzeczywistym Znajomość metod wdrażania, takich jak uczenie się transferu, powiększanie danych i dostrajanie w celu optymalizacji wydajności modelu Solidne doświadczenie w zakresie klasycznych metod uczenia maszynowego ze sprawdzoną zdolnością do ich skutecznej integracji metody z zaawansowanymi technologiami widzenia komputerowego Posiadanie udanego doświadczenia w zarządzaniu i analizowaniu różnorodnych źródeł danych, w tym ustrukturyzowanych i nieustrukturyzowanych danych przepływu danych w czasie rzeczywistym, w celu przygotowania i optymalizacji danych do modeli widzenia komputerowego Aspiracja przedstały rozwój zawodowy, z nacisk na ciągłe śledzenie najnowszych osiągnięć metodologii, narzędzi widzenia komputerowego i klasycznych metod uczenia maszynowego