Основатель Data Engineer

TL;DR Дэвис нанимает инженера-основателя данных для создания данных, лежащих в основе нашей модели фундамента, который с нуля обучен создавать здания в виде геометрических графиков. Вы будете владеть всеми данными от начала до конца, от необработанных планов этажей и синтетической генерации до канонического представления, курирования, крупномасштабного предварительного обучения и удалений, которые сообщают нам, какие данные на самом деле влияют на модель. Здесь набор данных является частью алгоритма.

О Дэвисе
Davis — компания по недвижимости, использующая искусственный интеллект и ускоряющая раннюю стадию девелопмента и архитектурного проектирования. Сегодня разработчики координируют работу четырех-пяти разрозненных заинтересованных сторон в течение недель или месяцев. Вскоре им понадобится только один: Дэвис.
Мы превращаем все исходные данные, которые формируют решение о разработке, в готовые к принятию результаты: технико-экономические обоснования инвестиционного уровня, инвестиционный анализ и сертифицированные архитекторами проекты, которые предоставляются в течение нескольких дней. На каждом этапе наши запатентованные системы искусственного интеллекта сочетаются с экспертной оценкой, поэтому скорость никогда не достигается за счет надежности.
Мы закрыли предварительный посевной проект на сумму 5,5 миллиона долларов, возглавляемый Heartcore Capital и Balderton Capital, Yellow, Evantic и Entrepreneur First, а также ангелами из команд основателей Spacemaker, Black Forest Labs, Hugging Face, Supabase, Cleo и Spore Bio. Мы уже работаем с ведущими разработчиками и рассчитываем поддержать сотни проектов в следующем году, углубляя наши исследования, нанимая сотрудников и освещая процесс разработки от начала до конца.

Роль
Вы будете владеть данными, на которых учится наша модель фундамента, модель, которую мы обучаем с нуля для создания зданий в виде геометрических графиков. Часть корпуса взята из реальных планов этажей в виде изображений и PDF-файлов, которые должны превратиться в чистые стандартизированные графики. Большая часть будет представлять собой синтетические, процедурно генерируемые графы зданий, геометрию и визуализированные планы этажей с контролируемыми вариациями стиля, шума сканирования, аннотаций и мебели, каждый из которых автоматически сохраняется со своим основным графиком.
Вы подумаете обо всем цикле: от необработанных и синтетических данных до канонического структурированного представления, курирования и проверки, набора обучающих данных, крупномасштабного предварительного обучения, оценки, удаления данных и обратно к улучшению генератора и смеси данных. Вы достаточно опытны, чтобы проектировать стек данных и устанавливать стратегию обработки данных, и достаточно опытны, чтобы писать конвейеры, проводить эксперименты, обучать модели и самостоятельно выполнять абляцию.

Над чем вы будете работать

• Корпус из необработанных источников. Превратите реальные планы этажей (изображения, PDF-файлы, сканы) в понятные, стандартизированные графы зданий с геометрией и семантикой, которые делают их обучаемыми.

• Генерация синтетических данных. Изучите стратегии расширения набора данных синтетическими данными.

• Каноническое представительство и курирование. Определите стандартизированное представление, затем отфильтруйте, выполните дедупликацию, оцените качество и проверьте масштаб, с указанием версий, происхождения и происхождения.

• Предварительные данные и смеси. Соберите наборы обучающих данных, разработайте смесь и учебную программу, а также объедините синтетические и реальные данные для крупномасштабного предварительного обучения.

• Данные абляции. Обучите модели узнавать, какие данные действительно помогают, считывать результаты и возвращать их в генератор и смесь.

• Оценка. Создайте систему оценки (наборы данных, метрики, регрессионные тесты, мониторинг), которая отслеживает качество данных и модели с течением времени.

Что мы ищем

• Вы создали набор данных, а не просто обучались на нем. Вы лично создали или сгенерировали данные, используемые для большого предварительного обучения, из необработанных или синтетических источников, а не просто тренировались на наборе данных, который вам кто-то передал.

• Старший и очень практичный человек. По крайней мере, 5 лет большого опыта, достаточно старший, чтобы проектировать стек данных и устанавливать стратегию, но при этом самостоятельно кодировать конвейеры, проводить эксперименты и выполнять абляцию.

• Данные как первоклассная проблема. Послужной список, в котором объектом являются сами данные: курирование, фильтрация, дедупликация, оценка качества, смеси, синтетическая генерация.

• Сильная инженерия. Deep Python, чистый и типизированный код, асинхронность и параллелизм, распределенные конвейеры данных, культура TDD.

Приятно иметь

• Компьютерное зрение и понимание документов, преобразование изображений в структурированный вывод, распознавание текста, извлечение макета, сегментация, извлечение геометрии, векторизация, преобразование растра в вектор, изображение в график сцены, 3D или CAD.

• Графики и структурированные научные данные, молекулярные, белковые или сценические графики, сетки, CAD, BIM, 3D-геометрия или реляционные и структурированные мировые данные.

• Синтетические миры и симуляция: от структурированного состояния к симулятору, к рендереру, к синтетическим изображениям с идеальными метками, а затем к модели восприятия с учетом разрыва между симом и реальностью.

• Базовые модели с нуля, реальное участие в большой предварительной подготовке, а не только тонкая настройка.

• Публичное свидетельство владения данными, информация о наборе данных, выпуске Hugging Face, карточке набора данных, техническом блоге в вашем конвейере или разговоре о курировании данных или синтетических данных.

• ГИС и геометрия, участки, слои зонирования, проекции, вычислительная геометрия или оптимизация с ограничениями.

• Данные из нескольких стран, разнородные источники, локализация и различные правила.

Зачем присоединяться к Дэвису

• Владеть сквозными данными, от генератора до предтренировочной смеси, как человек, определяющий, на чем учится модель.

• Сформируйте базовую модель с нуля на основе структурированного представления, на котором еще никто не обучался.

• Работайте над по-настоящему сложными задачами, преобразуйте изображения в графики, синтетические миры и проводите крупномасштабное предварительное обучение, и ваша работа достигнет клиентов в течение нескольких дней.

• Конкурентоспособная заработная плата и значительный акционерный капитал на начальном уровне в компании на ранней стадии развития.

• Присоединяйтесь к команде мирового уровня, состоящей из исследователей искусственного интеллекта, инженеров и архитекторов при поддержке венчурных капиталистов мирового уровня.

Дополнительная информация о Дэвисе, команде и рынке, на котором мы работаем:…

Источник: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/meetdavis/founding-data-engineer-paris-399584).