Edge ML Engineer: Distill & Detect for Embedded Systems

Über uns Harmattan AI ist ein Unternehmen der nächsten Generation, das autonome und skalierbare Verteidigungssysteme entwickelt. Nach dem Abschluss einer Series B-Finanzierungsrunde über 200 Millionen US-Dollar, die das Unternehmen mit 1,4 Milliarden US-Dollar bewertet, erweitern wir unsere Teams und Fähigkeiten, um mission-kritische Systeme für verbündete Streitkräfte bereitzustellen. Unsere Arbeit wird von klaren Werten geleitet: Technologien mit echtem Einfluss zu entwickeln, Exzellenz in allem, was wir tun, zu verfolgen, ehrgeizige Ziele zu setzen und die schwierigsten technischen Herausforderungen anzunehmen. Wir arbeiten in einem anspruchsvollen Umfeld, in dem Rigorosität, Eigenverantwortung und Ausführung erwartet werden.

Über die Rolle Harmattan AI drängt stark an die Grenzen autonomer Systeme, bei denen die Wahrnehmung der Umgebung durch visuelle Hinweise eine entscheidende Komponente darstellt. Um eingehende visuelle Daten zu verstehen und mission-kritische Entscheidungen zu ermöglichen, haben wir maßgeschneiderte Erkennungsmodelle entwickelt. Mit der Erweiterung unseres Produkt- und Projektportfolios diversifizieren wir unsere Bemühungen in diesem Bereich über mehrere eingebettete Plattformen.

Als ML Research Engineer im DetectTrack Distillation-Team haben Sie die Möglichkeit, die technische Richtung des Teams erheblich zu beeinflussen. Sie werden sich auf die Optimierung großer Basis-Modelle konzentrieren und diese in hochoptimierte, aufgaben-spezifische Komponenten destillieren. Ihre Arbeit wird die Zielerkennung, Klassifizierung und Zielwiederidentifikation über Zeit umfassen und direkt die Hardware-Inferenzbeschränkungen verschiedener Edge- und Embedded-Systeme angehen.

Verantwortlichkeiten

• Modell-Destillation und Feintuning: Große Basis-Modelle komprimieren/destillieren und in hochspezifische, effiziente Komponenten optimieren.
• Edge AI-Optimierung: Optimierung neuronaler Netzwerke für eingeschränkte eingebettete Systeme unter Verwendung von Techniken wie Quantisierung (PTQ vs. QAT), Pruning und LoRA.
• Pipelines-Management und MLOps: Aufbau, umfangreiche Modifikation und Verwaltung von Trainings-, Evaluierungs- und MLOps-Pipelines.
• Datenkuratierung: Zusammenarbeit bei der Datenkuratierung und Erstellung von aufgabenspezifischen Datensätzen zur ständigen Verbesserung der Modellgenauigkeit.
• Benchmarking und Evaluation: Benchmarking neu destillierter Modelle zur Bewertung der Leistung und Latenz.
• Forschung und Innovation: An der Spitze wissenschaftlicher Trends in der Computer Vision und Quantisierungsforschung bleiben.
• Interdisziplinäre Zusammenarbeit: Enge Zusammenarbeit mit dem DetectTrack Foundation-Team, Systemingenieuren, Projektteams und Mission Intelligence.
• Mentoring: Unterstützung des Teams durch Management oder Mentoring von Junior Engineers.

Anforderungen an den Kandidaten

• Bildungshintergrund: Ein starker akademischer Hintergrund mit einem Abschluss in einem MINT-Fach (z.B. Informatik, Ingenieurwesen, Mathematik).
• Tiefes Lernen und Computer Vision: Nachgewiesene Erfahrung in der Durchführung von Vision-neuronalen Netzwerken und Entwicklung von Zielerkennungsarchitekturen.
• Modellkompression und Edge AI: Praktische Erfahrung in der Wissensdestillation und Bereitstellung von Netzwerken auf stark eingeschränkten eingebetteten Systemen.
• Technische Kompetenz und Infrastruktur: Kenntnisse in MLOps, GPU-Computing und Aufbau von Infrastruktur.
• Berufliche Eigenschaften: Hoch strukturiert, analytisch, aufgabenorientiert und forschungsorientiert.
• Engagement: 100%ige Hingabe an die Mission, Vision und ehrgeizigen Wachstumspläne von Harmattan AI.

Wir freuen uns darauf, zu hören, wie Sie die Zukunft autonomer Verteidigungssysteme bei Harmattan AI gestalten können.