Senior Machine Learning Engineer

Σχετικά με την Εταιρεία:
Το Tools for Humanity (TFH) σχεδιάζει και δημιουργεί τεχνολογία πίσω από τον κόσμο. Ο Κόσμος χτίζει ένα πραγματικό ανθρώπινο δίκτυο που έχει σχεδιαστεί για να επιταχύνει τους ανθρώπους στην εποχή της τεχνητής νοημοσύνης. Καθώς τα bots και οι αυτόνομοι πράκτορες αναδιαμορφώνουν το Διαδίκτυο, οι άνθρωποι, οι θεσμοί και οι εφαρμογές χρειάζονται έναν αξιόπιστο τρόπο για να επιβεβαιώσουν ποιος είναι πραγματικός άνθρωπος, διατηρώντας παράλληλα το απόρρητο. Οι στοίβες τεχνολογίας TFH και World το καθιστούν δυνατό: το Orb επαληθεύει πραγματικούς, μοναδικούς ανθρώπους, το World ID το αποδεικνύει ιδιωτικά και το World App δίνει αυτές τις δυνατότητες και πολλά άλλα στα χέρια των ανθρώπων. Μαζί, προσθέτουν ένα ανθρώπινο επίπεδο σε ένα Διαδίκτυο που βασίζεται σε AI.
Ο κόσμος λειτουργεί ήδη σε παγκόσμια κλίμακα. Περισσότεροι από 17 εκατομμύρια άνθρωποι σε 160 χώρες έχουν επαληθεύσει με World ID και περισσότερες νέες επαληθεύσεις Orb πραγματοποιούνται κάθε εβδομάδα. Το World App είναι ήδη ένα από τα πιο χρησιμοποιούμενα πορτοφόλια παγκοσμίως. Οι προγραμματιστές ενσωματώνουν το World ID για να δημιουργήσουν ασφαλέστερες διαδικτυακές εμπειρίες και να δημιουργήσουν χώρους όπου πραγματικοί άνθρωποι μπορούν να συμμετέχουν, να κερδίζουν και να αναγνωρίζονται με τρόπους που το AI απλά δεν μπορεί να αναπαραχθεί.
Η TFH, που ιδρύθηκε το 2019, έχει περισσότερους από 400 ανθρώπους σε υλικό, λογισμικό, τεχνητή νοημοσύνη, κρυπτογραφία, μηχανική κινητής τηλεφωνίας και παγκόσμιες δραστηριότητες. Οι ομάδες μας προέρχονται από τα OpenAI, Tesla, SpaceX, Apple, Google, Stripe, Meta, Coinbase, Palantir και MIT Media Lab. Υποστηριζόμαστε από κορυφαίους επενδυτές, συμπεριλαμβανομένων των a16z, Khosla Ventures, Bain Capital Crypto, Blockchain Capital, Variant, Tiger Global και Coinbase Ventures, καθώς και εξέχοντες χειριστές και ιδρυτές σε fintech και AI.
Το TFH και το World έχουν παρουσιαστεί στο εξώφυλλο του περιοδικού TIME, τονίστηκαν στο Fast Company's Next 5 στο Fintech και εξερευνήθηκαν σε μια βαθιά κατάδυση του Bloomberg. Οι New York Times, οι Bankless και το TechCrunch έχουν αναγνωρίσει τη συλλογική μας πρόοδο στην ταυτότητα, την κρυπτογραφία, την τεχνητή νοημοσύνη και την ανάπτυξη υλικού σε παγκόσμια κλίμακα. Η ηγεσία μας ονομάζεται επίσης στο Time AI 100 . Μάθετε περισσότερα για τις νεότερες εκδόσεις προϊόντων από την εκδήλωση Liftoff.
Σχετικά με την ομάδα
Η ομάδα AI & Biometrics στο Tools for Humanity κατέχει τα συστήματα μηχανικής μάθησης πίσω από το Παγκόσμιο Δίκτυο. Τα συστήματα αναγνώρισης ίριδας και προσώπου, η σωλήνωση κατά της πλαστογράφησης και τα μοντέλα που λειτουργούν στο Orb και στα τηλέφωνα είναι αυτά που κάνουν το Proof of Personhood να λειτουργεί πραγματικά σε κλίμακα.
Στο πλαίσιο της ομάδας Face, αναπτύσσουμε συστήματα για επαλήθευση προσώπου, μοναδικότητα και ανίχνευση διπλότυπων, ανίχνευση επίθεσης παρουσίασης και δυνατότητες υποστήριξης όπως ανίχνευση προσώπου, αξιολόγηση ποιότητας εικόνας, ανίχνευση απόφραξης, εκτίμηση πόζας και άλλες που επιτρέπουν σε αυτά τα συστήματα να λειτουργούν αξιόπιστα σε πραγματικές συνθήκες.
Η εργασία μας καλύπτει ολόκληρο τον κύκλο ζωής της μηχανικής μάθησης: καθορισμός απαιτήσεων συλλογής δεδομένων και επισήμανσης, επιμέλεια συνόλων δεδομένων, διεξαγωγή εφαρμοσμένης έρευνας όρασης υπολογιστή, εκπαίδευση και αξιολόγηση μοντέλων, δοκιμές αντιπάλου, υποστήριξη ανάπτυξης, διερεύνηση συμπεριφοράς παραγωγής και παρακολούθηση της απόδοσης μετά την κυκλοφορία.
Τα προβλήματα που εργαζόμαστε βασίζονται σε πραγματικές συνθήκες. Τα συστήματά μας πρέπει να χειρίζονται διακυμάνσεις στις κάμερες, τον φωτισμό, τη πόζα, την ποιότητα εικόνας, την απόφραξη, τη συμπεριφορά των χρηστών και τις μεθόδους επίθεσης. Πρέπει επίσης να λειτουργούν εντός αυστηρών προϋπολογισμών καθυστέρησης και μνήμης και να αλληλεπιδρούν με συστήματα διατήρησης απορρήτου (Anonymized Multi-Party Computation) που συγκρίνουν τους χρήστες με ένα αυξανόμενο σύνολο ταυτότητας. Στην κλίμακα μας, οι μικρές παλινδρομήσεις μπορούν να έχουν σημαντικό αντίκτυπο, επομένως η αξιολόγηση, η επιλογή σημείων λειτουργίας και η παρακολούθηση της παραγωγής είναι κεντρικά για τον τρόπο με τον οποίο εργαζόμαστε.
Είμαστε πραγματιστές σχετικά με τις μεθόδους μας. Χρησιμοποιούμε βαθιά μάθηση όπου παρέχει σαφή αξία, κλασική όραση υπολογιστή και επεξεργασία εικόνας όπου είναι πιο αποτελεσματικές ή αξιόπιστες, και υβριδικές προσεγγίσεις όταν παράγουν το καλύτερο σύστημα.
Η ομάδα υποστηρίζεται καλά. Έχουμε μια αποκλειστική υποομάδα Mobile που κατέχει την ανάπτυξη σε κινητές συσκευές, υποομάδες ML Infrastructure και MLOps που κατέχουν τις διοχετεύσεις δεδομένων, τα συμπλέγματα εκπαίδευσης, τον στόλο της GPU και μεγάλο μέρος των υποκείμενων εργαλείων, και υποομάδες Face και Iris αφιερωμένες σε κάθε τρόπο. Οι μηχανικοί προσώπου διαθέτουν τη διατύπωση προβλημάτων, τις απαιτήσεις δεδομένων, τις αποφάσεις ποιότητας δεδομένων, τη συμπεριφορά του μοντέλου, τη μεθοδολογία αξιολόγησης και τη διερεύνηση αστοχιών μοντέλων για την επιτυχία των έργων τους. Συνεργαζόμαστε επίσης στενά με τις ομάδες λογισμικού Orb, Mobile, Proof of Personhood και Product για να μεταφέρουμε ιδέες στην παραγωγή.
Σε αυτόν τον ρόλο, θα:

• Διαθέτετε έργα μηχανικής εκμάθησης προσώπου από τον αρχικό ορισμό του προβλήματος μέσω προετοιμασίας δεδομένων, πειραματισμού, αξιολόγησης, επικύρωσης παραγωγής και παρακολούθησης, ενώ συνεργάζεστε με διαφορετικές ομάδες.

• Βελτιώστε τα βασικά μας βιομετρικά μοντέλα αναγνώρισης και κατά της πλαστογράφησης, εκπαίδευση και επανάληψη σε αρχιτεκτονικές βαθιάς εκμάθησης, απώλειες και αγωγούς δεδομένων, με μέγεθος μοντέλου, καθυστέρηση και προϋπολογισμούς μνήμης ως περιορισμούς σχεδιασμού πρώτης κατηγορίας από την πρώτη μέρα.

• Χρησιμοποιήστε την κλασική όραση υπολογιστή και την επεξεργασία εικόνας όταν αποτελούν τη σωστή λύση, είτε ως ολοκληρωμένη μέθοδος, είτε ως στάδιο προεπεξεργασίας, ως ελαφρύ εξάρτημα στη συσκευή ή ως διαγνωστικό εργαλείο. Δεν είμαστε μια ομάδα μόνο για βαθιά μάθηση και ο υπολογισμός στη συσκευή ανταμείβει την πειθαρχία της χρήσης της πιο ελαφριάς λύσης όταν ταιριάζει.

• Καθοδηγήστε ανεξάρτητες εφαρμοσμένες πρωτοβουλίες ML από άκρο σε άκρο: σχηματίστε μια γραπτή υπόθεση, σχεδιάστε αφαιρέσεις που απομονώνουν μεταβλητές, εκτελέστε πειράματα, διαβάστε τα αποτελέσματα με ειλικρίνεια και ξέρετε πότε να αποστέλλετε και πότε να σταματήσετε να κυνηγάτε την τελευταία ποσοστιαία μονάδα

• Εργαστείτε απευθείας με εικόνες προσώπων και σύνολα δεδομένων: βελτιώστε τη συλλογή και τις ετικέτες, επιθεωρήστε δύσκολα δείγματα, εντοπίστε τρόπους αποτυχίας και χρησιμοποιήστε αυτά τα ευρήματα για να οδηγήσετε σε αλλαγές μοντέλου και αξιολόγησης.

• Δημιουργήστε αγωγούς αξιολόγησης που καταγράφουν παλινδρομήσεις μοντέλων πριν φτάσουν στην παραγωγή, παρακολούθηση που μπορεί να αποκαλύψει μετατόπιση δεδομένων, αλλαγές βαθμολογίας, νέα μοτίβα επίθεσης, παλινδρόμηση συγκεκριμένης ομάδας ή απροσδόκητη συμπεριφορά μοντέλων και βελτίωση εσωτερικών εργαλείων για ανάλυση δεδομένων, εκπαίδευση μοντέλων, αξιολόγηση, οπτικοποίηση, κόκκινη ομαδοποίηση και παρακολούθηση.…

Πηγή: Arbeitnow (https://www.arbeitnow.com/jobs/companies/tools-for-humanity/senior-machine-learning-engineer-munich-149730)