Kurucu Veri Mühendisi

TL;DR Davis, binaları geometrik grafikler halinde oluşturmak üzere sıfırdan eğitilmiş temel modelimizin arkasındaki verileri oluşturmak için bir Kurucu Veri Mühendisi işe alıyor. Ham kat planlarından sentetik üretime, kanonik temsile, iyileştirmeye, büyük ölçekli ön eğitime ve modeli gerçekte hangi verinin hareket ettirdiğini bize söyleyen ablasyonlara kadar uçtan uca verilere sahip olacaksınız. Burada veri seti algoritmanın bir parçasıdır.

Davis hakkında
Davis, erken aşamadaki geliştirme ve mimari tasarımı hızlandıran, yapay zekaya dayalı bir emlak şirketidir. Bugün geliştiriciler haftalar veya aylar boyunca dört ila beş parçalı paydaşı koordine ediyor. Yakında tek bir şeye ihtiyaçları olacak: Davis.
Geliştirme kararını şekillendiren her girdiyi karara hazır çıktılara dönüştürüyoruz: yatırımcı düzeyinde fizibilite çalışmaları, yatırım analizi ve mimar onaylı tasarımlar, birkaç gün içinde teslim ediliyor. Her aşamada özel yapay zeka sistemlerimiz uzman incelemesiyle eşleştirilir, böylece hız hiçbir zaman güvenilirlikten ödün vermez.
Heartcore Capital ve Balderton Capital'in, Yellow, Evantic ve Entrepreneur First'ün yanı sıra Spacemaker, Black Forest Labs, Hugging Face, Supabase, Cleo ve Spore Bio'nun kurucu ekiplerinden meleklerin ortak liderliğinde 5,5 milyon dolarlık bir ön tohumlamayı kapattık. Halihazırda önde gelen geliştiricilerle çalışıyoruz ve önümüzdeki yıl yüzlerce projeyi desteklemeyi, araştırmamızı, işe alımlarımızı ve uçtan uca geliştirme süreci kapsamımızı derinleştirmeyi bekliyoruz.

Rol
Binaları geometrik grafikler halinde oluşturmak için sıfırdan eğittiğimiz bir model olan temel modelimizin öğrendiği verilere sahip olacaksınız. Korpusun bir kısmı, temiz, standartlaştırılmış grafikler haline gelmesi gereken görüntüler ve PDF'ler olarak gerçek kat planlarından geliyor. Büyük bir kısmı sentetik, prosedürel olarak oluşturulmuş bina grafikleri, geometri ve işlenmiş kat planları olacak; stil, tarama gürültüsü, ek açıklamalar ve mobilyalarda kontrollü çeşitlilik sağlanacak ve her biri otomatik olarak temel-gerçeklik grafiğiyle tutulacak.
Ham ve sentetik verilerden kanonik yapılandırılmış gösterime, iyileştirmeye ve doğrulamaya, eğitim veri kümesine, büyük ölçekli ön eğitime, değerlendirmeye, veri ayıklamaya ve tekrar oluşturucuyu ve veri karışımını iyileştirmeye kadar tüm döngüyü düşüneceksiniz. Veri yığınını tasarlayacak ve veri stratejisini belirleyecek kadar kıdemlisiniz ve işlem hatlarını yazacak, deneyleri yürütecek, modelleri eğitecek ve ablasyonları kendiniz yapacak kadar uygulamalısınız.

Ne üzerinde çalışacaksınız

• Ham kaynaklardan derlem. Gerçek kat planlarını (resimler, PDF'ler, taramalar), onları eğitilebilir kılan geometri ve semantik ile temiz, standartlaştırılmış bina grafiklerine dönüştürün.

• Sentetik veri üretimi. Veri kümesini sentetik verilerle genişletmeye yönelik stratejileri keşfedin.

• Kanonik temsil ve küratörlük. Standartlaştırılmış gösterimi tanımlayın, ardından filtreleyin, tekilleştirin, kalite puanlayın ve versiyonlama, köken ve kökenle geniş ölçekte doğrulayın.

• Verilerin ve karışımların ön eğitimi. Büyük ölçekli ön eğitim için eğitim veri kümelerini birleştirin, karışımı ve müfredatı tasarlayın ve sentetik ve gerçek verileri harmanlayın.

• Veri ablasyonları. Hangi verilerin gerçekten yardımcı olduğunu öğrenmek, sonuçları okumak ve bunları oluşturucuya ve karışıma geri beslemek için modelleri eğitin.

• Değerlendirme. Zaman içinde verileri ve model kalitesini izleyen değerlendirme donanımını (veri kümeleri, ölçümler, regresyon testleri, izleme) oluşturun.

Ne arıyoruz

• Veri kümesini yalnızca eğitim almakla kalmadınız, oluşturdunuz. Büyük bir ön eğitim çalışması için kullanılan verileri, yalnızca birinin size verdiği bir veri kümesi üzerinde eğitim almak yerine, ham veya sentetik kaynaklardan kişisel olarak oluşturdunuz veya oluşturdunuz.

• Kıdemli ve derinlemesine uygulamalı. En az 5 yıllık güçlü deneyim, veri yığınını tasarlayacak ve stratejiyi belirleyecek kadar kıdemli, ancak yine de boru hatlarını kodluyor, deneyleri yürütüyor ve ablasyon işlemlerini kendiniz yapıyorsunuz.

• Birinci sınıf bir sorun olarak veriler. Verinin kendisinin nesne olduğu bir geçmiş performans: iyileştirme, filtreleme, veri tekilleştirme, kalite puanlama, karışımlar, sentetik üretim.

• Güçlü mühendislik. Derin Python, temiz ve yazılı kod, eşzamansız ve eşzamanlılık, dağıtılmış veri hatları, TDD kültürü.

Sahip olmak güzel

• Bilgisayarla görme ve belge anlama, görüntülerden yapılandırılmış çıktıya, OCR, düzen çıkarma, segmentasyon, geometri çıkarma, vektörleştirme, rasterden vektöre, görüntüden sahne grafiğine, 3D veya CAD.

• Grafik ve yapılandırılmış bilimsel veriler, moleküler, protein veya sahne grafikleri, ağlar, CAD, BIM, 3D geometri veya ilişkisel ve yapılandırılmış dünya verileri.

• Sentetik dünyalar ve simülasyon, yapısal bir durumdan bir simülatöre, bir oluşturucuya, mükemmel etiketlere sahip sentetik görüntülere, ardından sim-gerçek arasındaki boşluğu göz önünde bulunduran bir algı modeli.

• Sıfırdan temel modeller, büyük bir ön eğitim çalışmasına gerçek katılım, yalnızca ince ayar değil.

• Veri sahipliğine ilişkin kamuya açık kanıt, bir veri kümesine ilişkin ipucu, bir Hugging Face yayını, bir veri kümesi kartı, hattınızdaki teknik bir blog veya veri iyileştirme veya sentetik veriler üzerine bir konuşma.

• GIS ve geometri, parseller, imar katmanları, projeksiyonlar, hesaplamalı geometri veya kısıtlı optimizasyon.

• Çok ülkeli veriler, heterojen kaynaklar, yerelleştirme ve değişen kurallar.

Neden Davis'e Katılmalısınız?

• Modelin neyi öğrendiğini tanımlayan kişi olarak, oluşturucudan eğitim öncesi karışıma kadar verilere uçtan uca sahip olun.

• Başka kimsenin üzerinde eğitim almadığı yapılandırılmış bir temsile dayalı olarak sıfırdan bir temel modeli şekillendirin.

• Çalışmalarınızın müşterilere birkaç gün içinde ulaşmasıyla, gerçekten zor problemler, görüntüden grafiğe, sentetik dünyalar ve büyük ölçekli ön eğitim üzerinde çalışın.

• Başlangıç ​​aşamasındaki bir şirkette, kuruluş düzeyinde rekabetçi maaş ve anlamlı özsermaye.

• Birinci sınıf VC'ler tarafından desteklenen yapay zeka araştırmacıları, mühendisleri ve mimarlarından oluşan birinci sınıf bir ekibe katılın.

Davis, ekip ve peşinde olduğumuz pazar hakkında daha fazla bilgi:…

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