Scientifique des données géospatiales

Orcrist construit une plateforme d'intelligence de données de nouvelle génération en utilisant des technologies de pointe. Nous traitons des données à l'échelle du pétaoctet avec des requêtes inférieures à la seconde. Notre produit est une plate-forme basée sur Kubernetes fournie sous forme de SaaS B2B ou de solution auto-hébergée sur site, y compris des déploiements isolés. Nous permettons à nos clients des secteurs de la défense, des forces de l'ordre et des entreprises de transformer leurs données critiques en renseignements exploitables.

Entreprise

Orcrist crée un logiciel sécurisé de renseignement sur les données pour les équipes de défense, d'application de la loi et d'entreprise. Notre plateforme Sentinel combine l'intégration de données, l'analyse assistée par l'IA et les flux de travail opérationnels. L'équipe GEOINT l'étend avec des services de données géospatiales, des capacités de télédétection et une image opérationnelle commune basée sur le Web.

Rôle

Développer des méthodes géospatiales et de télédétection qui transforment les images et les données spatiales en produits analytiques fiables. Vous travaillerez en Python sur la détection de changements, la détection d'objets, la segmentation et l'analyse spatiale et temporelle. Vos méthodes couvriront l'apprentissage automatique classique, l'analyse statistique et d'images, ainsi que les architectures d'apprentissage en profondeur telles que les transformateurs de vision (ViT) et les U-Nets, en adoptant les approches qui s'avèrent utiles depuis l'exploration jusqu'à l'évaluation jusqu'aux capacités reproductibles de la plateforme.

Le travail comprend des séries chronologiques par satellite ouvert et des images commerciales optiques, thermiques et SAR. Vous aiderez à choisir les données et les méthodes appropriées, à établir ce que les résultats peuvent soutenir et à travailler avec les ingénieurs pour les mettre à la disposition des analystes de Sentinel.

Ce que tu feras

• Développer des workflows de détection des changements, y compris les séries chronologiques Sentinel-2, et distinguer les changements significatifs de la saisonnalité, des effets de nuages et d'ombres, des différences d'acquisition et des erreurs d'enregistrement.

• Créer et évaluer des méthodes de détection d'objets, de segmentation et de classification pour l'imagerie satellite, en utilisant des techniques statistiques, le traitement d'images classique et l'apprentissage automatique, le cas échéant. Évaluez de manière pragmatique les approches d'apprentissage profond de pointe par rapport à des références plus simples, à la précision du pesage, aux exigences en matière d'étiquetage, à la généralisation, au coût d'inférence et à la viabilité réelle de la production.

• Évaluer l'adéquation des différents capteurs, résolutions, conditions d'acquisition et niveaux de traitement pour chaque cas d'utilisation. Étendez les méthodes aux données optiques, multispectrales, thermiques et SAR à mesure que les besoins évoluent.

• Prétraitement de conception et extraction de caractéristiques avec les ingénieurs de données : masquage de qualité, composition, co-enregistrement, normalisation, indices spectraux et corrections spécifiques aux capteurs.

• Combinez les sorties raster avec des données vectorielles et temporelles pour les statistiques spatiales, l'analyse zonale, la détection d'anomalies et la comparaison entre zones et périodes d'observation.

• Créer ou sourcer des ensembles de données de référence et des protocoles d'évaluation. Utilisez une validation spatialement et temporellement séparée, mesurez les faux positifs et les détections manquées, et examinez les performances des régions et des capteurs.

• Fournissez des résultats traçables avec des références sources, des horodatages, des mesures de confiance ou d'incertitude et des limites documentées. Aidez les analystes à comprendre quand un résultat nécessite un examen plus approfondi.

• Package de méthodes Python testées pour le traitement par lots ou l'inférence reproductibles. Travaillez avec les ingénieurs de données et de plate-forme sur l'exécution, la mémoire, la surveillance et l'intégration dans les flux de travail Sentinel.

À propos de vous

• Formation universitaire formelle en géoinformatique, télédétection, observation de la Terre, mathématiques appliquées, informatique ou dans une discipline connexe, combinée à une expérience pratique substantielle en géospatiale ou en télédétection.

• Solides compétences en Python et en calcul scientifique, en utilisant des outils tels que NumPy, pandas, SciPy, xarray, GeoPandas et Rasterio/GDAL.

• Expérience pratique d'apprentissage automatique avec scikit-learn et PyTorch ou un framework équivalent, ainsi que TorchGeo ou des packages d'apprentissage profond géospatial associés, y compris la formation, l'évaluation et l'adaptation de modèles existants.

• Une solide compréhension des principes fondamentaux de la télédétection : résolution spatiale, spectrale, radiométrique et temporelle ; systèmes de coordonnées ; alignement des images ; et les limites de la qualité des données.

• Expérience de l'analyse d'images satellite et d'au moins une tâche pertinente telle que la détection de changements, la segmentation, la détection d'objets ou la classification de la couverture terrestre.

• Jugement statistique solide autour de l'échantillonnage, de l'autocorrélation spatiale, des fuites de données, du déséquilibre des classes, de l'incertitude et de la généralisation à de nouveaux lieux et conditions d'acquisition.

• Une approche de recherche axée sur l'ingénierie : code et données versionnés, expériences reproductibles, tests et explications claires sur les performances et les échecs d'une méthode.

• Communication claire en anglais avec les collègues techniques et les spécialistes du domaine. Admissible à travailler en Allemagne.

Agréable à avoir

• Expérience de travail avec l'imagerie infrarouge thermique, le traitement et l'analyse des données SAR ou la combinaison d'observations provenant de plusieurs capteurs. Une expérience approfondie dans une modalité est précieuse.

• Un doctorat en géoinformatique, télédétection, observation de la Terre ou dans un domaine connexe.

• Expérience avec les modèles de fondations géospatiales : mise au point de modèles tels que Prithvi ou TerraMind, ou utilisation des intégrations AlphaEarth Foundations pour l'analyse en aval. Capacité à évaluer si ces approches améliorent les modèles spécifiques à une tâche avec les images et les étiquettes disponibles.

• Expérience de mise à l'échelle de l'analyse géospatiale avec Dask, Apache Spark/Sedona ou Zarr.

• Expérience du déploiement et de l'optimisation de l'inférence GPU avec PyTorch/CUDA, ONNX Runtime avec TensorRT ou NVIDIA Triton Inference Server, y compris le traitement par lots de tuiles d'images et la gestion de la mémoire et du débit GPU.

• Spatial SQL avec DuckDB ou PostGIS, découverte de données basée sur STAC et travail exploratoire dans QGIS ou geemap ; produire des sorties COG et GeoParquet pour une utilisation SIG en aval.

• Expérience de travail avec des images commerciales de fournisseurs tels qu'Airbus, Satellogic, SatVu ou ICEYE.

• Expérience de travail dans des environnements de défense et de renseignement ou sur des projets connexes.…

Source : Emplois à distance dans l'UE (https://euremotejobs.com/job/geospatial-data-scientist/)