Ingeniero de ML (visión por computadora y operaciones de ML)

StellDirVor es una empresa independiente de consultoría, comercio y tecnología que se especializa en tecnologías inmersivas para la atención médica. Apoyamos a las organizaciones en la implementación de innovaciones digitales (realidad virtual, aumentada y mixta, así como IA), particularmente para el aprendizaje, la capacitación y la asistencia en tiempo real en entornos clínicos y de atención. Combinando tecnología y atención médica, ayudamos a optimizar procesos, mejorar la transferencia de conocimiento y mejorar la calidad de la atención.
Con el apoyo de una subvención de asociación de Alemania (ZIM) y Taiwán (GIPIP), actualmente estamos desarrollando ARAIAS, un sistema de asistencia y capacitación manos libres basado en AR e IA para el cuidado de heridas crónicas. Al utilizar gafas inteligentes AR, el sistema permite la captura 3D, el análisis respaldado por IA y la experiencia y documentación remotas estandarizadas directamente en el punto de atención.
Como nuestro ingeniero de ML (Visión por Computadora y Operaciones de ML), desarrollará las capacidades de IA en el núcleo de ARAIAS: evaluar y ajustar modelos de visión por computadora en datos de gafas inteligentes, ejecutar las operaciones de ML detrás de ellos y aplicar IA generativa para crear imágenes médicas sintéticas para la educación. Estamos en una etapa temprana (pasando del concepto al prototipo funcional), por lo que el enfoque a corto plazo es validar modelos y desarrollar una prueba de concepto que podamos probar en entornos educativos y clínicos reales.
Como parte de un pequeño equipo, usted será propietario del ciclo de vida completo de los datos de principio a fin, desde el abastecimiento, el consentimiento y las anotaciones hasta la preparación, junto con el desarrollo y la implementación del modelo.
Damos la bienvenida a candidatos con diferentes niveles de experiencia. Lo más importante es una base sólida de aprendizaje automático y un conocimiento genuino del dominio de las imágenes médicas.
Tareas

• Seleccionar y comparar modelos previamente entrenados y/o arquitecturas validadas para análisis de imágenes médicas y adaptarlos a datos de dominios específicos, garantizando un rendimiento sólido en condiciones del mundo real.

• Identificar y adaptar modelos de IA generativa adecuados para crear imágenes médicas sintéticas realistas para educación y capacitación.

• Evalúe y ajuste los modelos de lenguaje pequeño (SLM) para la interacción de voz (voz a texto, comprensión de intención y texto a voz) optimizados para baja latencia o uso en el dispositivo con gafas inteligentes.

• Investigar y evaluar modelos de ML de última generación y tendencias emergentes, incluida la IA explicable (XAI), la ciberseguridad para ML y los modos de implementación y distribución (borde frente a nube, aprendizaje federado, compresión de modelos).

• Planificar y ejecutar el proceso de operaciones de ML: recopilación de datos, anotación, preparación, capacitación, pruebas e implementación.

• Proponer una estrategia de recopilación de datos: investigar fuentes de datos públicos y clínicos adecuados, recomendar el consentimiento del paciente y otros requisitos administrativos para la capacitación en ML (por ejemplo, acuerdos de protección de datos, aprobación ética) y definir protocolos de recopilación y anotación con expertos clínicos, incluidas pautas de etiquetado y controles de calidad.

• Identificar y validar factores que afectan el rendimiento del modelo: condiciones de imagen, sesgo del conjunto de datos, diversidad de pacientes, privacidad de datos y requisitos normativos.

• Definir estrategias y métricas de prueba, y validar los resultados del modelo comparándolos con las evaluaciones de los médicos.

• Realizar análisis de construcción versus compra de modelos, herramientas y servicios, incluida la comparación de costos.

• Estimar los costos de computación y capacitación y proponer presupuestos para la capacitación e implementación del modelo.

• Elija y configure entornos de capacitación de manera flexible (hardware local o nube) según el costo, la privacidad de los datos y el rendimiento.

• Tomar decisiones técnicas pragmáticas apropiadas para la etapa actual de creación de prototipos y documentar los resultados claramente

• Mantener documentación clara y rastreable de fuentes de datos, modelos, experimentos y decisiones de diseño para respaldar auditorías y revisiones de calidad.

• Evaluar e integrar sensores adicionales cuando sea posible (por ejemplo, de profundidad, LiDAR, térmico, multiespectral) y fusionarlos con entrada RGB

Requisitos
Imprescindible

• Licenciatura en Ciencias de la Computación, Ciencias de Datos, Ingeniería Biomédica, Matemáticas o un campo relacionado, o experiencia práctica equivalente.

• Fuertes habilidades en Python y uso práctico de PyTorch, OpenCV o TensorFlow

• Sólido conocimiento de la visión por computadora: clasificación, detección de objetos y segmentación de imágenes, reconstrucción 3D y geometría de múltiples vistas.

• Conocimiento práctico del aprendizaje por transferencia: adaptación de modelos previamente entrenados y ajuste de ellos en conjuntos de datos personalizados.

• Conocimiento práctico del ciclo de vida completo del aprendizaje automático: preparación, capacitación, evaluación e implementación de datos.

• Conocimientos básicos de modelos generativos (modelos de difusión o GAN) y bibliotecas comunes de código abierto.

• Cómodos modelos de formación tanto localmente (estación de trabajo GPU) como en plataformas en la nube.

• Capaz de estimar los costos de computación de ML y comparar opciones de construcción versus compra para respaldar las decisiones presupuestarias.

• Conciencia de los desafíos de las imágenes médicas: datos limitados, variabilidad de etiquetas entre médicos y desequilibrio de clases.

• Concientización sobre la privacidad y la ética de los datos de atención médica (por ejemplo, GDPR, consentimiento del paciente, anonimización) y por qué la explicabilidad y el sesgo son importantes en la IA clínica.

• Capaz de leer artículos de investigación y aplicarlos pragmáticamente.

• Autodirigido y pragmático: capaz de tomar la iniciativa y hacerse cargo de los problemas de principio a fin en un equipo ágil.

• Habla inglés con fluidez: el alemán es una ventaja

fuerte más

• Proyectos o cursos en imágenes médicas o IA clínica.

• Familiaridad con el aprendizaje semisupervisado: aprovechar datos limitados o parcialmente etiquetados.

• Experiencia con procesamiento de datos 3D: mapas de profundidad, nubes de puntos o reconstrucción de mallas.

• Exposición al aprendizaje multimodal: combinación de datos RGB y de profundidad o LiDAR

• Edge AI o implementación portátil (por ejemplo, TensorFlow Lite, ONNX, cuantificación de modelos)

• Conocimiento de métodos de explicabilidad (por ejemplo, Grad-CAM, SHAP) o robustez adversarial

• Familiaridad con las herramientas MLOps (por ejemplo, MLflow, Weights & Biases, DVC, Docker)

• Conocimiento de la regulación de dispositivos médicos para software de IA (por ejemplo, EU MDR, IEC 62304)...

Fuente: Arbeitnow (https://www.arbeitnow.com/jobs/companies/stelldirvor-gmbh/ml-engineer-computer-vision-ml-ops-munich-359350)