Machine Learning Engineer - Foundational

Über uns Harmattan AI ist ein Unternehmen der nächsten Generation, das autonome und skalierbare Verteidigungssysteme entwickelt. Nach dem Abschluss einer 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 realer Wirkung 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 Als Machine Learning Engineer in unserem Foundational-Team in Paris werden Sie das "Gehirn" unserer taktischen Roboter entwickeln. Sie werden große, multimodale Grundmodelle entwerfen und skalieren, die robuste Darstellungen des Schlachtfelds mithilfe von Self-Supervised Learning (SSL) aus massiven Mengen unbeschrifteter elektro-optischer (EO) und Infrarot (IR) Daten lernen. Ihre Arbeit liefert die kritischen grundlegenden Gewichte, die unser Edge AI-Team in hypergenaue Modelle umwandelt, die auf taktischer Hardware laufen.

Verantwortlichkeiten:

• Multi-Modal SSL Architekturdesign: Entwerfen Sie neuronale Netzwerkarchitekturen (Vision Transformers) und Verlustfunktionen (Masked Autoencoders, Contrastive Learning), um gemeinsam aus gepaarten und ungepaarten EO- und IR-Daten zu lernen.
• Verteilte Trainingsinfrastruktur: Verwalten und optimieren Sie Trainingspipelines über Multi-Node-GPU-Cluster und behandeln Sie Mixed-Precision-Training und Datenladen.
• Darstellungsevaluation: Entwickeln Sie Metriken und lineare Prüfbenchmarks, um nachzuweisen, dass der latente Raum nützliche semantische Merkmale erfasst, bevor die Destillation erfolgt.
• Datenstrategie: Überprüfen Sie bestehende EO/IR-Datenseen und implementieren Sie Cross-Attention-Mechanismen, um verschiedene Sensormerkmale zu fusionieren.
• Bereichsübergreifende Zusammenarbeit: Synchronisieren Sie sich mit Dateningenieuren zu Ingestionspipelines und arbeiten Sie mit dem Edge AI-Team zusammen, um eine hohe Leistung bei der Übergabe von Modellen sicherzustellen.

Anforderungen an den Kandidaten:

• Bildungsweg: Ein PhD oder ein stark forschungsorientierter MS in Informatik, Maschinellem Lernen, Computer Vision oder Angewandter Mathematik.
• Nachgewiesene Erfahrung: Mindestens 5-6 Jahre Erfahrung auf Senior-Ebene. Erfahrung im Training und in der Skalierung von Deep-Learning-Visionsmodellen (ViTs, CNNs) von Grund auf in Multi-GPU/Multi-Node-Umgebungen. Erfolgreiche Anwendung neuartiger SSL- oder multimodaler Architekturen (z.B. CLIP, MAE, DINO) auf reale, nicht-standardisierte Bilddaten (IR, SAR oder hyperspektral).
• Technische Kompetenz: Fundierte PyTorch-Engineering-Fähigkeiten kombiniert mit tiefem mathematischen Verständnis für Repräsentationslernen. Kenntnisse in systemnahen Programmiersprachen (C++, Rust oder Go) und Ressourcenoptimierung für Edge-Computing.