Inżynier uczenia się robotów

Dlaczego ta rola jest ekscytująca
Rohlik jest wiodącym w Europie Środkowej sklepem internetowym. Ponad milion klientów kupuje u nas artykuły spożywcze za pośrednictwem Rohlik.cz, Knuspr.de, Kifli.hu, Gurkerl.at i Sezamo.ro, wybierając spośród ponad 17 000 artykułów dostarczanych w ciągu kilku godzin w 15-minutowych oknach.
Budujemy autonomiczną hurtownię spożywczą. Maia, nasza asystentka AI, już rozmawia z klientami i buduje ich zamówienia; agenci wkraczają do naszych zakupów i logistyki; modele wizyjne uczą się zwracać uwagę na jakość. Kolejna granica ma charakter fizyczny: roboty przejmują coraz większą część pracy w naszych centrach realizacji zamówień, dopóki świeża żywność nie będzie transportowana od producentów do gospodarstw domowych po kosztach, których nikt inny nie może dorównać.
Zamierzamy rejestrować, jak nasi ludzie radzą sobie z zakupami spożywczymi i przekształcać te nagrania w korpus szkoleniowy dotyczący zasad manipulacji. Nasze magazyny rejestrują już, co wydarzyło się przy każdym pobraniu i każdej kontroli jakości, więc nagrania mogą nosić etykiety, których większość zbiorów danych nigdy nie otrzyma. Wykonanie tego chwytu jest częścią pracy.
Ty decydujesz, co sprawi, że godzina materiału będzie możliwa do przeszkolenia — zanim zapiszemy ich setki.

Co będziesz posiadać i co dostarczysz

• Specyfikacja przechwytywania. Kamery, mocowania, kalibracja i co dyskwalifikuje odcinek. Piszesz to zanim kupimy flotę i egzekwujemy to później. Kiedy specyfikacja i podłoga nie zgadzają się, idziesz na podłogę i dowiadujesz się, który z nich jest błędny.

• Podstawowa prawda. Pozycja dłoni to sygnał, który przenosi się z wideo człowieka na zasady robotów, a rzeczywistość magazynowa – rękawice robocze, okluzja, zimne hale – jest dokładnie tym, z czym zmagają się opublikowane modele. Jesteś właścicielem tego, jak to mierzymy i jak wypełniamy lukę.

• Uprząż ewaluacyjna. Korpus liczy się tylko wtedy, gdy polityka może się na nim szkolić. Budujesz uprząż, która decyduje o tym, w jakich godzinach będzie zgromadzony zapas, i trzymasz pasek możliwości trenowania w miarę wzrostu głośności.

• Pierwsze treningi. Po wyczerpaniu się godzin możesz szkolić otwarte modele uczenia się robotów na naszych danych i przeprowadzać pierwszą ocenę zadań.

• Osąd przed wydaniem. Pole porusza się co miesiąc. Czytasz to, co jest publikowane, odtwarzasz roszczenia, na których nam zależy i kierujesz naszym przechwytywaniem, zanim pieniądze zostaną wydane, a nie po.

Zakres
To miejsce w małym, nowo utworzonym zespole: kierownik operacyjny odpowiedzialny za przechwytywanie danych na miejscu, inżynier danych będący właścicielem potoku i Ty: głos w pokoju zajmujący się uczeniem maszynowym. Nie jest to rola naukowca i nie jest wymagana żadna publikacja. Zadanie polega na przygotowaniu korpusu do szkolenia i nauczeniu na nim pierwszych zasad.

Czego szukamy

• PyTorch i wizja komputerowa z rzeczywistą geometrią 3D. Kalibracja kamery, ocena pozycji, podstawy SLAM. Przynajmniej raz w życiu debugowałeś zewnętrzną kalibrację i wiesz, dlaczego dryfowała.

• Możesz przeczytać artykuł i go powielić. Nasz rurociąg składa się z opublikowanych prac, a Twoim zadaniem jest wiedzieć, które roszczenia przetrwają kontakt z chłodzoną halą magazynową.

• Wiesz, na jakich zasadach się szkoli. Zaznajomiony z obecnym stosem uczenia się robotów i klasami zasad na tyle dobrze, aby wiedzieć, czego strona szkoleniowa będzie wymagać od danych, zanim dane powstaną.

• Instynkty zbioru danych. Trenowałeś na danych, które sam zebrałeś i znasz tryby awarii, które pojawiają się dopiero w czasie treningu.

• Wygodny jak jedyny głos ML. Wykonujesz połączenie, zapisujesz je i powracasz do niego, gdy dane pilotażowe mówią inaczej.

• Sztuczna inteligencja to sposób, w jaki praca jest tutaj wykonywana. Nasi inżynierowie codziennie korzystają z Claude Code i Devina i oczekujemy, że będziesz kierować agentów do nieestetycznych części – kodu wiązki przewodów, łączenia danych, skryptów reprodukcji – przy jednoczesnym zachowaniu paska jakości dokładnie tam, gdzie był.

• Szczególnie istotne. Oszacowanie pozycji dłoni lub egocentryczne wideo w produkcji; zestawy z wieloma kamerami i synchronizacja czasu; poznać modele uczenia się robotów po szkoleniu; ROS 2.

Jak wygląda sukces w 90 dni
Napisałeś specyfikację przechwytywania, a my ustawiliśmy przeciwko niej pierwsze platformy. Twoje bramki pilotażowe mają numery, pierwsze godziny minęły, a osobom podpisującym budżet możesz z danymi powiedzieć, jak powinno wyglądać następne sto godzin.

Czy dobrze pasujemy?
Przyjmij tę rolę, jeśli wolisz posiadać specyfikację decydującą o tym, czy zbiór danych stanie się aktywem, czy odpisem, niż dopasowywać cudzy model do czyichś danych, jeśli centrum realizacji zamówień o 6:00 rano brzmi dla Ciebie jak laboratorium i jeśli chcesz możliwie najkrótszej granicy między oceną techniczną a decyzją kapitałową. Przeczytaj nasz kod kulturowy i czy pasujemy do siebie? .

Co oferujemy

• Fizyczna strona AI autonomicznego sklepu spożywczego, ze specyfikacją przechwytywania i pierwszym szkoleniem, które prowadzisz od pierwszego dnia

• Zasób danych, który niewiele zespołów na świecie może zbudować w świeżych artykułach spożywczych, domenę tak trudną jak manipulacja

• Gotowy sprzęt, zarządzana chmura i zadanie, które już się rozpoczęło

• Korzyści — zobacz, co oferujemy

Czy jesteś w środku?
Zamiast listu motywacyjnego: wybierz opublikowany, oceniany przez siebie potok zasad przekształcania wideo człowieka w robota i powiedz nam, w którym miejscu magazynu się on psuje, gdzie każda ręka nosi rękawice robocze.

#LI-ML1
Znajdź więcej anglojęzycznych ofert pracy w Niemczech na Arbeitnow

Źródło: Arbeitnow (https://www.arbeitnow.com/jobs/companies/rohlik/robot-learning-engineer-berlin-257419)