Ingeniero de Machine Learning - Edge AI y Visión Artificial

• Sólido conocimiento práctico de machine learning y redes neuronales.

• Sólidas habilidades en Python.

• Experiencia con PyTorch o un framework de ML moderno similar.

• Buen conocimiento de visión artificial y procesamiento de imágenes.

• Experiencia en el entrenamiento, la evaluación y la depuración de redes neuronales.

• Buen conocimiento de conjuntos de datos, aumentación, validación, overfitting y generalización de modelos.

• Capacidad para trabajar de forma independiente y asumir la responsabilidad de problemas técnicos complejos.

• Gran capacidad de resolución de problemas y atención al detalle.

• Inglés fluido.

La experiencia con Edge AI, TinyML o el despliegue de redes neuronales embebidas es una ventaja significativa.

La experiencia muy valorada incluye:

• Cuantización INT8 y entrenamiento consciente de la cuantización (quantization-aware training).

• Compresión de modelos, pruning o destilación de conocimiento.

• Arquitecturas CNN compactas e inferencia en tiempo real.

• ONNX, TensorFlow Lite, TensorFlow Lite Micro o tecnologías similares.

• NPUs, DSPs, GPUs o aceleradores de redes neuronales.

• Experiencia en C#.

• Desarrollo en C o C++.

• Microcontroladores y sistemas embebidos.

• Visión artificial en tiempo real.

• Sistemas de cámaras y sensores de imagen.

• Generación de datos sintéticos y aleatorización de dominios (domain randomization).

• Gráficos 3D, Blender, Unreal Engine o herramientas similares.

• Aprendizaje autosupervisado, semisupervisado o activo.

• Procesamiento de señales, matemáticas, optimización o estimación de estados.

• Realidad virtual, robótica, sistemas de seguimiento o captura de movimiento.

• Proyectos personales, trabajo de investigación, contribuciones de código abierto o un sólido portafolio técnico.

• Mentalidad "maker": construir prototipos, probar ideas, aprender de los fallos e iterar rápidamente.

No se requieren credenciales académicas. La capacidad de implementación práctica es más importante que los títulos académicos.

Estamos buscando un Machine Learning Engineer con sólida experiencia práctica en visión artificial y redes neuronales para unirse a nuestro equipo.

El candidato seleccionado trabajará en la investigación, desarrollo, entrenamiento, optimización y despliegue de sistemas de aprendizaje automático para los productos de hardware actuales y futuros de FluxPose. Este es un rol técnico práctico que cubre todo el ciclo de desarrollo, desde la experimentación y la creación de conjuntos de datos hasta el despliegue en hardware de producción.

Buscamos a alguien capaz de resolver de forma independiente problemas técnicamente inciertos y de convertir investigaciones o prototipos en sistemas fiables en tiempo real.

• Diseñar, entrenar, evaluar y mejorar modelos de aprendizaje automático para aplicaciones de detección y seguimiento en tiempo real.

• Desarrollar sistemas de visión artificial y procesamiento de imágenes.

• Construir y mantener conjuntos de datos, pipelines de recogida de datos y herramientas de evaluación.

• Generar datos de entrenamiento sintéticos cuando sea apropiado.

• Optimizar modelos en cuanto a precisión, latencia, uso de memoria y coste computacional.

• Cuantizar y desplegar redes neuronales en plataformas embebidas o aceleradas por hardware.

• Desarrollar herramientas para el entrenamiento, la visualización, el benchmarking y la evaluación automatizada.

• Investigar casos de fallo en el mundo real y mejorar la robustez de los modelos.

• Colaborar estrechamente con ingenieros de sistemas embebidos, electrónica, mecánica y software.