Разработчик устройств AI Edge в Yael Acceptic

Мы ищем опытного разработчика устройств AI Edge, который присоединится к нашей динамичной команде. Идеальный кандидат будет отвечать за проектирование, разработку и оптимизацию алгоритмов и моделей искусственного интеллекта для развертывания на периферийных устройствах. Отличные навыки решения проблем, внимание к деталям и способность работать в быстро меняющейся среде необходимы для успеха на этой должности. Если вы увлечены расширением границ искусственного интеллекта и преуспеваете в среде совместной работы, мы рекомендуем вам подать заявку. О проекте: Наш клиент занимается разработкой электромеханических устройств для молочных ферм, пульсаторов и автоматических съемников. Это ведущее в отрасли решение с передовыми решениями для мониторинга коров на основе датчиков активности и жевания. Обязанности: - Проектирование, разработка и оптимизация конвейеров компьютерного зрения для развертывания на периферийных устройствах; - Кросс-компиляция решений для различных типов CPU/NPU/VPU. Выполните анализ производительности и оптимизацию, чтобы обеспечить возможности обработки в реальном времени на периферийных устройствах; - Вы столкнетесь с реальными проблемами и сложностями, возникающими в результате тесного сотрудничества с нашими исследователями в области искусственного интеллекта для предоставления лидирующих на рынке продуктов. Требования: - 5+ лет опыта работы с Python, C/C++;- Практический опыт работы с GStreamer или DeepStream;- Опыт работы с TensorRT, ONNX;- Опыт обработки нескольких видеопотоков;- Практический опыт работы с ускорителями машинного обучения, такими как: Nvidia Jetson, Google Coral;- ​​Знание Linux;- Владение системой контроля версий Git;- Степень бакалавра в области компьютерной инженерии, компьютерных наук или смежных областей;- Уровень английского языка не ниже Upper-Intermediate. Будет плюсом:- Понимание концепций обработки сигналов, машинного обучения и компьютерного зрения; - Знакомство с платформами машинного обучения, такими как TensorFlow, PyTorch; - Квантование и обрезка моделей нейронных сетей; - Знакомство с созданием образов Docker (файлов Docker); - Понимание процессов CI/CD для производственного кода, модульных тестов и регрессионного тестирования; - Знание CUDA.