En Serve Robotics, estamos reinventando la forma en que se transportan las cosas en las ciudades. Nuestro simpático robot para aceras representa nuestra visión del futuro. Está diseñado para sacar las entregas de las calles congestionadas, hacer que las entregas estén disponibles para más personas y beneficiar a los negocios locales.

La flota de Serve ha estado deleitando a comerciantes, clientes y peatones mientras realiza entregas comerciales en Los Ángeles, Miami, Dallas, Atlanta y Chicago. Buscamos personas talentosas que ayuden a llevar las entregas robóticas de una novedad sorprendente a una presencia eficiente y generalizada.

Quiénes somos

Somos profesionales veteranos de la industria tecnológica en software, hardware y diseño que aunamos nuestras habilidades para construir el futuro en el que queremos vivir. Resolvemos problemas del mundo real aprovechando la robótica, el aprendizaje automático y la visión por computadora, entre otras disciplinas, prestando especial atención a la experiencia integral del usuario. Nuestro equipo es ágil, diverso y está motivado. Creemos que la mejor manera de resolver problemas complejos y dinámicos es colaborando con respeto.

Este puesto desarrolla y amplía sistemas de entrenamiento de aprendizaje automático a gran escala para datos multimodales de robótica, lo que permite crear modelos de autonomía de alto rendimiento. Al optimizar las canalizaciones de entrenamiento distribuido, las arquitecturas de redes neuronales y los flujos de trabajo de procesamiento de datos, el puesto mejora la eficiencia del entrenamiento, acelera la iteración de modelos y maximiza la utilización de GPU. El puesto colabora estrechamente con investigadores de aprendizaje automático y equipos de infraestructura, e influye en el diseño, la implementación y el rendimiento de los modelos de autonomía de extremo a extremo y de las canalizaciones de datos a gran escala que los sustentan.

Responsabilidades

• Diseñar y mantener sistemas de entrenamiento capaces de procesar y aprender de conjuntos de datos multimodales a escala de petabytes (por ejemplo, datos de video y nubes de puntos). Esto incluye garantizar que los datos se carguen, distribuyan y procesen de manera eficiente en grandes clústeres de GPU.

• Identificar y resolver cuellos de botella en la canalización de entrenamiento, incluidos la carga y el preprocesamiento de datos, el cálculo del modelo y la comunicación entre nodos, para maximizar la utilización de GPU y reducir el tiempo de entrenamiento.

• Colaborar con el equipo de aprendizaje automático para desarrollar y perfeccionar arquitecturas de redes neuronales adecuadas para tareas de autonomía, en particular aquellas que procesan datos de sensores secuenciales y de alta dimensionalidad.

• Crear y ajustar funciones de pérdida y estrategias de entrenamiento que ayuden al modelo a aprender eficazmente a partir de entradas multimodales complejas y mejoren el rendimiento de autonomía.

• Configurar, monitorear y mantener trabajos de entrenamiento distribuido a gran escala en varias máquinas y GPU, garantizando la estabilidad, la tolerancia a fallas y el uso eficiente de los recursos.

• Implementar sistemas escalables para preprocesar, transformar y aumentar grandes conjuntos de datos de robótica, de modo que sean adecuados para el entrenamiento de modelos.

• Colaborar estrechamente con científicos de aprendizaje automático y otros ingenieros para integrar nuevos modelos, experimentos y enfoques de entrenamiento en la canalización de entrenamiento de producción.

• Analizar métricas de entrenamiento, resultados de modelos y registros de experimentos para evaluar el rendimiento de los modelos y orientar mejoras en la arquitectura, el uso de datos o las estrategias de entrenamiento.

• Desarrollar herramientas y flujos de trabajo que permitan a los equipos realizar experimentos, hacer seguimiento de los resultados e iterar rápidamente sobre nuevas ideas de modelos o enfoques de entrenamiento.

Requisitos

• Maestría o doctorado en Ciencias de la Computación, Robótica, Ingeniería Eléctrica, Aprendizaje Automático o una disciplina técnica estrechamente relacionada.

• Un mínimo de 5 años de experiencia profesional en el desarrollo, entrenamiento e implementación de modelos de aprendizaje automático en entornos de producción.

• Experiencia práctica en el entrenamiento de modelos de aprendizaje automático en varias GPU o nodos de cómputo, incluido el conocimiento de marcos de entrenamiento distribuido y del manejo de conjuntos de datos grandes.

• Sólidas habilidades de programación en Python para implementar modelos de aprendizaje automático, canalizaciones de datos y flujos de trabajo de entrenamiento.

• Sólido conocimiento de conceptos fundamentales, como redes neuronales, algoritmos de optimización, funciones de pérdida, evaluación de modelos y metodologías de entrenamiento.

Qué te distingue

• Experiencia en identificar y resolver cuellos de botella de entrenamiento relacionados con la utilización de recursos de cómputo, el uso de memoria y el rendimiento del flujo de datos en sistemas de aprendizaje automático.

• Experiencia en el entrenamiento de modelos de aprendizaje automático con conjuntos de datos de robótica o conducción autónoma que incluyan entradas multimodales de sensores, como video de cámaras, nubes de puntos LiDAR, radar o datos de telemetría.

• Experiencia en el desarrollo de modelos que combinen varias modalidades de datos (por ejemplo, imágenes, nubes de puntos y datos estructurados de sensores) en un sistema de aprendizaje unificado.

• Publicaciones revisadas por pares o contribuciones de investigación significativas en aprendizaje automático, robótica o áreas relacionadas.

*Nota: El rango salarial base indicado se aplica a candidatos con sede en EE. UU. La remuneración puede variar según la ubicación, la experiencia y la correspondencia con el puesto. Estamos abiertos a considerar candidatos calificados que trabajen de forma remota en Canadá

• Canadá - TODO: $177k - $215k CAD