Επιστήμονας Γεωχωρικών Δεδομένων

Η Orcrist χτίζει μια πλατφόρμα ευφυΐας δεδομένων επόμενης γενιάς χρησιμοποιώντας τεχνολογίες αιχμής. Χειριζόμαστε δεδομένα κλίμακας petabyte με δευτερεύοντα ερωτήματα. Το προϊόν μας είναι μια πλατφόρμα που βασίζεται στο Kubernetes που παρέχεται ως B2B SaaS ή ως αυτο-φιλοξενούμενη λύση on-prem, συμπεριλαμβανομένων των αναπτύξεων με διάκενο αέρα. Επιτρέπουμε στους πελάτες σε όλη την άμυνα, την επιβολή του νόμου και τις επιχειρήσεις να μετατρέψουν τα κρίσιμα για την αποστολή δεδομένα σε αξιόπιστες πληροφορίες.

Εταιρεία

Η Orcrist δημιουργεί ασφαλές λογισμικό πληροφοριών πληροφοριών για ομάδες άμυνας, επιβολής του νόμου και επιχειρήσεων. Η πλατφόρμα μας Sentinel συνδυάζει την ενοποίηση δεδομένων, την ανάλυση με τη βοήθεια AI και τις λειτουργικές ροές εργασίας. Η ομάδα GEOINT το επεκτείνει με υπηρεσίες γεωχωρικών δεδομένων, δυνατότητες τηλεανίχνευσης και μια κοινή επιχειρησιακή εικόνα που βασίζεται στο διαδίκτυο.

Ρόλος

Ανάπτυξη γεωχωρικών μεθόδων και μεθόδων τηλεπισκόπησης που μετατρέπουν τις εικόνες και τα χωρικά δεδομένα σε αξιόπιστα αναλυτικά προϊόντα. Θα εργαστείτε στην Python για την ανίχνευση αλλαγών, την ανίχνευση αντικειμένων, την τμηματοποίηση και τη χωρική και χρονική ανάλυση. Οι μέθοδοί σας θα καλύπτουν την κλασική μηχανική μάθηση, τη στατιστική ανάλυση και την ανάλυση εικόνων και αρχιτεκτονικές βαθιάς μάθησης, όπως Vision Transformers (ViTs) και U-Nets, λαμβάνοντας τις προσεγγίσεις που αποδεικνύονται χρήσιμες από την εξερεύνηση έως την αξιολόγηση σε επαναλαμβανόμενες δυνατότητες πλατφόρμας.

Η εργασία περιλαμβάνει ανοιχτές δορυφορικές χρονοσειρές και εμπορικές οπτικές, θερμικές και SAR εικόνες. Θα βοηθήσετε στην επιλογή των κατάλληλων δεδομένων και μεθόδων, θα καθορίσετε τι μπορούν να υποστηρίξουν τα αποτελέσματα και θα συνεργαστείτε με μηχανικούς για να τα καταστήσετε διαθέσιμα σε αναλυτές εντός του Sentinel.

Τι θα κάνετε

• Αναπτύξτε ροές εργασίας ανίχνευσης αλλαγών, συμπεριλαμβανομένων των χρονοσειρών Sentinel-2, και διακρίνετε τη σημαντική αλλαγή από την εποχικότητα, τα εφέ σύννεφων και σκιών, τις διαφορές απόκτησης και τα σφάλματα εγγραφής.

• Δημιουργία και αξιολόγηση μεθόδων ανίχνευσης αντικειμένων, τμηματοποίησης και ταξινόμησης για δορυφορικές εικόνες, χρησιμοποιώντας στατιστικές τεχνικές, κλασική επεξεργασία εικόνων και μηχανική μάθηση όπου χρειάζεται. Αξιολογήστε ρεαλιστικές προσεγγίσεις βαθιάς μάθησης τελευταίας τεχνολογίας σε σχέση με απλούστερες γραμμές βάσης, ακρίβεια στάθμισης, απαιτήσεις ετικέτας, γενίκευση, κόστος συμπερασμάτων και πραγματική βιωσιμότητα παραγωγής.

• Αξιολογήστε την καταλληλότητα διαφορετικών αισθητήρων, αναλύσεων, συνθηκών απόκτησης και επιπέδων επεξεργασίας για κάθε περίπτωση χρήσης. Επεκτείνετε τις μεθόδους σε οπτικά, πολυφασματικά, θερμικά και δεδομένα SAR καθώς αναπτύσσονται οι απαιτήσεις.

• Προεπεξεργασία σχεδίασης και εξαγωγή χαρακτηριστικών με μηχανικούς δεδομένων: κάλυψη ποιότητας, σύνθεση, συν-καταχώριση, κανονικοποίηση, φασματικοί δείκτες και διορθώσεις ειδικών αισθητήρων.

• Συνδυάστε εξόδους ράστερ με διανυσματικά και χρονικά δεδομένα για χωρικές στατιστικές, ανάλυση ζωνών, ανίχνευση ανωμαλιών και σύγκριση μεταξύ περιοχών και περιόδων παρατήρησης.

• Δημιουργία ή πηγή συνόλων δεδομένων αναφοράς και πρωτοκόλλων αξιολόγησης. Χρησιμοποιήστε χωρικά και χρονικά διαχωρισμένη επικύρωση, μετρήστε ψευδώς θετικά και χαμένες ανιχνεύσεις και εξετάστε την απόδοση σε περιοχές και αισθητήρες.

• Παράδοση ανιχνεύσιμων αποτελεσμάτων με αναφορές πηγής, χρονικές σημάνσεις, μέτρα εμπιστοσύνης ή αβεβαιότητας και τεκμηριωμένους περιορισμούς. Βοηθήστε τους αναλυτές να καταλάβουν πότε ένα αποτέλεσμα χρειάζεται πιο προσεκτική εξέταση.

• Δοκιμασμένες μέθοδοι Python για επαναλαμβανόμενη δέσμη επεξεργασίας ή συμπερασμάτων. Εργαστείτε με μηχανικούς δεδομένων και πλατφορμών σχετικά με το χρόνο εκτέλεσης, τη μνήμη, την παρακολούθηση και την ενσωμάτωση στις ροές εργασίας Sentinel.

Σχετικά με εσάς

• Επίσημη πανεπιστημιακή εκπαίδευση στη γεωπληροφορική, την τηλεπισκόπηση, την παρατήρηση της γης, τα εφαρμοσμένα μαθηματικά, την επιστήμη των υπολογιστών ή συναφή κλάδο, σε συνδυασμό με ουσιαστική πρακτική γεωχωρική ή τηλεπισκόπηση.

• Ισχυρές Python και επιστημονικές δεξιότητες υπολογιστών, χρησιμοποιώντας εργαλεία όπως NumPy, pandas, SciPy, xarray, GeoPandas και Rasterio/GDAL.

• Πρακτική εμπειρία μηχανικής μάθησης με scikit-learn και PyTorch ή ένα ισοδύναμο πλαίσιο, καθώς και TorchGeo ή σχετικά πακέτα γεωχωρικής μάθησης βαθιάς μάθησης, συμπεριλαμβανομένης της εκπαίδευσης, της αξιολόγησης και της προσαρμογής υπαρχόντων μοντέλων.

• Στέρεη κατανόηση των θεμελιωδών στοιχείων της τηλεπισκόπησης: χωρική, φασματική, ραδιομετρική και χρονική ανάλυση. συστήματα συντεταγμένων· στοίχιση εικόνας? και περιορισμούς ποιότητας δεδομένων.

• Εμπειρία στην ανάλυση δορυφορικών εικόνων και τουλάχιστον μία σχετική εργασία, όπως ανίχνευση αλλαγών, τμηματοποίηση, ανίχνευση αντικειμένων ή ταξινόμηση κάλυψης γης.

• Σωστή στατιστική κρίση σχετικά με τη δειγματοληψία, τη χωρική αυτοσυσχέτιση, τη διαρροή δεδομένων, την ανισορροπία τάξης, την αβεβαιότητα και τη γενίκευση σε νέα μέρη και συνθήκες απόκτησης.

• Μια προσέγγιση με γνώμονα τη μηχανική στην έρευνα: εκδομένος κώδικας και δεδομένα, αναπαραγώγιμα πειράματα, δοκιμές και σαφείς εξηγήσεις για το πώς μια μέθοδος αποδίδει και αποτυγχάνει.

• Σαφής επικοινωνία στα Αγγλικά τόσο με τεχνικούς συναδέλφους όσο και με ειδικούς στον τομέα. Δυνατότητα εργασίας στη Γερμανία.

Ωραία

• Εμπειρία εργασίας με θερμικές υπέρυθρες εικόνες, επεξεργασία και ανάλυση δεδομένων SAR ή συνδυασμός παρατηρήσεων από πολλαπλούς αισθητήρες. Η βαθιά εμπειρία σε έναν τρόπο είναι πολύτιμη.

• Διδακτορικό δίπλωμα στη γεωπληροφορική, την τηλεπισκόπηση, την παρατήρηση της γης ή σε σχετικό πεδίο.

• Εμπειρία με μοντέλα γεωχωρικών θεμελίων: βελτιστοποιήστε τα μοντέλα όπως το Prithvi ή το TerraMind ή χρησιμοποιώντας ενσωματώσεις του AlphaEarth Foundations για ανάλυση κατάντη. Δυνατότητα αξιολόγησης του κατά πόσον αυτές οι προσεγγίσεις βελτιώνονται σε μοντέλα για συγκεκριμένες εργασίες με τις διαθέσιμες εικόνες και ετικέτες.

• Ζήστε την εμπειρία κλιμάκωσης της γεωχωρικής ανάλυσης με Dask, Apache Spark/Sedona ή Zarr.

• Απολαύστε την ανάπτυξη και τη βελτιστοποίηση συμπερασμάτων GPU με PyTorch/CUDA, ONNX Runtime με TensorRT ή NVIDIA Triton Inference Server, συμπεριλαμβανομένης της ομαδοποίησης πλακιδίων εικόνας και διαχείρισης μνήμης και απόδοσης GPU.

• Χωρική SQL με DuckDB ή PostGIS, ανακάλυψη δεδομένων βάσει STAC και διερευνητική εργασία σε QGIS ή geemap. παραγωγή εξόδων COG και GeoParquet για χρήση GIS κατάντη.

• Εμπειρία εργασίας με εμπορικές εικόνες από παρόχους όπως Airbus, Satellogic, SatVu ή ICEYE.

• Εμπειρία εργασίας σε περιβάλλοντα άμυνας και πληροφοριών ή σε σχετικά έργα.…

Πηγή: EU Remote Jobs (https://euremotejobs.com/job/geospatial-data-scientist/)