Старший инженер по машинному обучению

О компании:
Компания Tools for Humanity (TFH) разрабатывает и создает технологии, лежащие в основе World. Мир строит настоящую человеческую сеть, предназначенную для ускорения жизни людей в эпоху искусственного интеллекта. Поскольку боты и автономные агенты меняют Интернет, людям, учреждениям и приложениям нужен надежный способ подтвердить, кто настоящий человек, сохраняя при этом конфиденциальность. Технологические стеки TFH и World делают это возможным: Orb проверяет реальных, уникальных людей, World ID подтверждает это конфиденциально, а World App передает эти и многие другие возможности в руки людей. Вместе они добавляют человеческий слой к Интернету, управляемому искусственным интеллектом.
Мир уже работает в глобальном масштабе. Более 17 миллионов человек в 160 странах прошли проверку с помощью World ID, и каждую неделю проводятся новые проверки Orb. World App уже входит в число наиболее используемых кошельков в мире. Разработчики интегрируют World ID, чтобы обеспечить более безопасный онлайн-опыт и создать пространство, где реальные люди могут участвовать, зарабатывать и получать признание способами, которые ИИ просто не может воспроизвести.
В компании TFH, основанной в 2019 году, работают более 400 человек, занимающихся оборудованием, программным обеспечением, искусственным интеллектом, криптографией, мобильной разработкой и глобальными операциями. Наши команды состоят из OpenAI, Tesla, SpaceX, Apple, Google, Stripe, Meta, Coinbase, Palantir и MIT Media Lab. Нас поддерживают ведущие инвесторы, в том числе a16z, Khosla Ventures, Bain Capital Crypto, Blockchain Capital, Variant, Tiger Global и Coinbase Ventures, а также известные операторы и основатели в сфере финансовых технологий и искусственного интеллекта.
TFH и World были представлены на обложке журнала TIME, отмечены в журнале Fast Company Next 5 в области финансовых технологий и подробно изучены Bloomberg. The New York Times, Bankless и TechCrunch признали наш коллективный прогресс в области идентификации, криптографии, искусственного интеллекта и развертывания оборудования в глобальном масштабе. Наше лидерство также включено в список Time AI 100. Узнайте больше о новейших продуктах на нашем мероприятии Liftoff.
О команде
Команда искусственного интеллекта и биометрии компании Tools for Humanity владеет системами машинного обучения, лежащими в основе Всемирной сети. Наши системы распознавания радужной оболочки глаза и лица, наша система защиты от спуфинга, а также модели, работающие на Orb и на телефонах, — вот что позволяет Proof of Personalhood действительно работать в больших масштабах.
В рамках команды Face мы разрабатываем системы для проверки лиц, обнаружения уникальности и дубликатов, обнаружения презентационных атак и вспомогательных функций, таких как обнаружение лиц, оценка качества изображения, обнаружение окклюзии, оценка позы и другие, которые позволяют этим системам надежно работать в реальных условиях.
Наша работа охватывает полный жизненный цикл машинного обучения: определение требований к сбору и маркировке данных, подбор наборов данных, проведение прикладных исследований в области компьютерного зрения, обучение и оценка моделей, состязательное тестирование, поддержка развертывания, исследование производственного поведения и мониторинг производительности после выпуска.
Проблемы, над которыми мы работаем, основаны на реальных условиях. Наши системы должны обрабатывать изменения в камерах, освещении, позе, качестве изображения, окклюзии, поведении пользователей и методах атаки. Они также должны работать в рамках строгих ограничений по задержке и памяти и взаимодействовать с системами сохранения конфиденциальности (анонимизированные многосторонние вычисления), которые сравнивают пользователей с растущим набором идентификаторов. В нашем масштабе небольшие регрессии могут иметь существенное влияние, поэтому оценка, выбор рабочих точек и мониторинг производства занимают центральное место в нашей работе.
Мы прагматично относимся к нашим методам. Мы используем глубокое обучение там, где оно обеспечивает очевидную ценность, классическое компьютерное зрение и обработку изображений там, где они более эффективны и надежны, а также гибридные подходы, когда они создают лучшую систему.
Команда хорошо поддерживается. У нас есть специальная подгруппа мобильных устройств, которая отвечает за развертывание на мобильных устройствах, подгруппы ML Infrastructure и MLOps, которые владеют конвейерами данных, обучающими кластерами, парком графических процессоров и большей частью базового инструментария, а также подгруппы Face и Iris, занимающиеся каждой модальностью. Инженеры Face владеют формулировкой проблем, требованиями к данным, решениями по качеству данных, поведением модели, методологией оценки и расследованием ошибок модели для успеха своих проектов. Мы также тесно сотрудничаем с командами разработчиков программного обеспечения Orb, мобильных устройств, подтверждения личности и продуктов, чтобы воплощать идеи в жизнь.
В этой роли вы будете:

• Собственные проекты машинного обучения, начиная с первоначального определения проблемы и заканчивая подготовкой данных, экспериментированием, оценкой, производственной проверкой и мониторингом, в сотрудничестве с различными командами.

• Улучшить наши базовые модели биометрической идентификации и защиты от спуфинга, обучая и повторяя архитектуры глубокого обучения, потери и конвейеры данных, используя размер модели, задержку и бюджет памяти в качестве первоклассных ограничений проектирования с первого дня.

• Используйте классическое компьютерное зрение и обработку изображений, когда они являются подходящим решением, будь то комплексный метод, этап предварительной обработки, легкий компонент на устройстве или диагностический инструмент. Мы не являемся командой, занимающейся только глубоким обучением, и вычисления на устройствах вознаграждают за дисциплину в использовании более легких решений, когда они подходят.

• Комплексное руководство независимыми прикладными инициативами в области машинного обучения: сформулируйте письменную гипотезу, разработайте методы абляции, изолирующие переменные, проводите эксперименты, честно читайте результаты и знайте, когда отправлять, а когда прекратить гоняться за последним процентным пунктом.

• Работайте напрямую с изображениями лиц и наборами данных: улучшайте сбор и маркировку, проверяйте сложные образцы, выявляйте виды отказов и используйте эти результаты для внесения изменений в модели и оценки.

• Создавайте конвейеры оценки, которые фиксируют регрессии моделей до того, как они достигнут рабочей среды, мониторинг, который может выявить дрейф данных, изменения в распределении оценок, новые шаблоны атак, регрессии, специфичные для когорты, или неожиданное поведение модели, а также улучшайте внутренние инструменты для анализа данных, обучения моделей, оценки, визуализации, красной команды и мониторинга.…

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