Kıdemli Makine Öğrenimi Mühendisi

Şirket Hakkında:
İnsanlık için Araçlar (TFH), Dünyanın arkasındaki teknolojiyi tasarlar ve inşa eder. Dünya, yapay zeka çağında insanları hızlandırmak için tasarlanmış gerçek bir insan ağı kuruyor. Botlar ve otonom aracılar interneti yeniden şekillendirirken insanlar, kurumlar ve uygulamalar, gizliliği korurken kimin gerçek insan olduğunu doğrulamak için güvenilir bir yola ihtiyaç duyuyor. TFH ve World teknoloji yığınları bunu mümkün kılıyor: Orb gerçek, benzersiz kişileri doğruluyor, World ID bunu özel olarak kanıtlıyor ve World App bu yetenekleri ve daha fazlasını insanların ellerine sunuyor. Birlikte, yapay zeka odaklı internete bir insan katmanı ekliyorlar.
Dünya zaten küresel ölçekte işliyor. 160 ülkede 17 milyondan fazla kişi World ID'yi doğruladı ve her hafta daha fazla yeni Orb doğrulaması yapılıyor. World App halihazırda dünya çapında en çok kullanılan cüzdanlar arasında yer alıyor. Geliştiriciler, daha güvenli çevrimiçi deneyimler oluşturmak ve gerçek insanların katılabileceği, kazanabileceği ve yapay zekanın kopyalayamayacağı şekillerde tanınabileceği alanlar yaratmak için World ID'yi entegre ediyor.
2019 yılında kurulan TFH'nin donanım, yazılım, yapay zeka, kriptografi, mobil mühendislik ve küresel operasyonlarda 400'den fazla çalışanı bulunmaktadır. Ekiplerimiz OpenAI, Tesla, SpaceX, Apple, Google, Stripe, Meta, Coinbase, Palantir ve MIT Media Lab'den geliyor. a16z, Khosla Ventures, Bain Capital Crypto, Blockchain Capital, Variant, Tiger Global ve Coinbase Ventures gibi önde gelen yatırımcıların yanı sıra fintech ve yapay zeka alanındaki önde gelen operatörler ve kurucular tarafından destekleniyoruz.
TFH ve World, TIME Dergisi'nin kapağında yer aldı, Fast Company'nin Fintech'teki Sonraki 5 listesinde öne çıkarıldı ve Bloomberg'in derinlemesine incelemesinde incelendi. New York Times, Bankless ve TechCrunch; kimlik, kriptografi, yapay zeka ve küresel ölçekte donanım dağıtımındaki kolektif ilerlememizi takdir etti. Liderliğimiz aynı zamanda Time AI 100 olarak da adlandırılıyor. Liftoff etkinliğimizden en yeni ürün lansmanları hakkında daha fazla bilgi edinin.
Takım hakkında
Tools for Humanity'deki Yapay Zeka ve Biyometri ekibi, Dünya Ağı'nın arkasındaki makine öğrenimi sistemlerine sahiptir. İris ve yüz tanıma sistemlerimiz, sahteciliğe karşı işlem hattımız ve Orb ve telefonlarda çalışan modeller, Proof of Personhood'un gerçekten geniş ölçekte çalışmasını sağlayan şeylerdir.
Face ekibi içinde yüz doğrulama, benzersizlik ve kopya tespiti, sunum saldırı tespiti ve yüz tespiti, görüntü kalitesi değerlendirmesi, kapanma tespiti, poz tahmini gibi destekleyici yetenekler ve bu sistemlerin gerçek dünya koşullarında güvenilir bir şekilde çalışmasına olanak tanıyan diğerleri için sistemler geliştiriyoruz.
Çalışmalarımız makine öğrenimi yaşam döngüsünün tamamını kapsar: veri toplama ve etiketleme gereksinimlerinin tanımlanması, veri kümelerinin düzenlenmesi, uygulamalı bilgisayarlı görüntü araştırmasının yürütülmesi, modellerin eğitimi ve değerlendirilmesi, çekişmeli testler, dağıtımın desteklenmesi, üretim davranışının araştırılması ve piyasaya sürüldükten sonra performansın izlenmesi.
Üzerinde çalıştığımız problemler gerçek dünya koşullarına dayanmaktadır. Sistemlerimizin kameralar, aydınlatma, poz, görüntü kalitesi, kapatma, kullanıcı davranışı ve saldırı yöntemlerindeki farklılıkları ele alması gerekir. Ayrıca katı gecikme ve bellek bütçeleri dahilinde çalışmalı ve kullanıcıları büyüyen bir kimlik kümesiyle karşılaştıran gizliliği koruyan sistemlerle (Anonimleştirilmiş Çok Taraflı Hesaplama) etkileşime girmelidirler. Bizim ölçeğimizde küçük regresyonların anlamlı bir etkisi olabilir; dolayısıyla değerlendirme, çalışma noktası seçimi ve üretim izleme, çalışma şeklimizin merkezinde yer alır.
Yöntemlerimiz konusunda pragmatikiz. Net değer sağladığında derin öğrenmeyi, daha verimli veya güvenilir olduğu durumlarda klasik bilgisayarlı görü ve görüntü işlemeyi ve en iyi sistemi ürettiğinde hibrit yaklaşımları kullanıyoruz.
Takım iyi destekleniyor. Mobil cihazlara dağıtıma sahip özel bir Mobil alt ekibimiz, veri hatlarına, eğitim kümelerine, GPU filosuna ve temel araçların çoğuna sahip olan ML Altyapısı ve MLOps alt ekiplerimiz ve her modaliteye özel Yüz ve İris alt ekiplerimiz var. Yüz mühendisleri, projelerinin başarılı olması için problem formülasyonuna, veri gereksinimlerine, veri kalitesi kararlarına, model davranışına, değerlendirme metodolojisine ve model hatalarının araştırılmasına sahiptir. Fikirleri üretime taşımak için Orb yazılımı, Mobil, Kişilik Kanıtı ve Ürün ekipleriyle de yakın işbirliği içinde çalışıyoruz.
Bu rolde şunları yapacaksınız:

• Farklı ekiplerle ortaklık kurarken, ilk problem tanımından veri hazırlama, deneme, değerlendirme, üretim doğrulama ve izlemeye kadar kendi yüz makine öğrenimi projeleri.

• İlk günden itibaren birinci sınıf tasarım kısıtlamaları olarak model boyutu, gecikme süresi ve bellek bütçeleri ile derin öğrenme mimarileri, kayıplar ve veri hatlarına ilişkin eğitim ve yinelemeler yaparak temel biyometrik tanımlama ve sahteciliği önleme modellerimizi geliştirin.

• İster eksiksiz bir yöntem, ister bir ön işleme aşaması, hafif bir cihaz üzeri bileşen veya bir tanılama aracı olarak doğru çözüm olduklarında klasik bilgisayarlı görme ve görüntü işlemeyi kullanın. Yalnızca derinlemesine öğrenen bir ekip değiliz ve cihazdaki bilgi işlem, uygun olduğunda daha hafif çözümü kullanma disiplinini ödüllendirir.

• Bağımsız uygulamalı makine öğrenimi girişimlerine uçtan uca liderlik edin: yazılı bir hipotez oluşturun, değişkenleri izole eden ablasyonlar tasarlayın, deneyler yapın, sonuçları dürüstçe okuyun ve ne zaman gönderileceğini ve son yüzde noktasını takip etmeyi ne zaman bırakacağınızı bilin

• Doğrudan yüz görüntüleri ve veri kümeleriyle çalışın: koleksiyonu ve etiketleri iyileştirin, zor örnekleri inceleyin, hata türlerini belirleyin ve bu bulguları model ve değerlendirme değişikliklerini yönlendirmek için kullanın.

• Model regresyonlarını üretime ulaşmadan önce yakalayan değerlendirme hatları oluşturun; veri kaymasını, puan dağılımı değişikliklerini, yeni saldırı modellerini, gruba özgü regresyonları veya beklenmedik model davranışını ortaya çıkarabilecek izleme ve veri analizi, model eğitimi, değerlendirme, görselleştirme, kırmızı ekip oluşturma ve izleme için dahili araçları geliştirin.…

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