We are seeking a Deep Learning Engineer with experience manipulating large 2D and 3D media datasets. In this role, you will implement core algorithms that sit at the intersection of computer vision and computer graphics, helping us turn high dimensional data into high-fidelity content. Key Responsibilities - Algorithm Implementation: Implement core deep-learning, computer vision, and (inverse-)procedural modeling algorithms in Python. You will rely on mathematical techniques from linear algebra, probability, and geometry to build these systems. - Applied Research: Apply cutting-edge research in machine learning and computer graphics to solve real-world problems. - Cross-Functional Coordination: Work closely with our cofounders to understand high-level product vision and translate customer requirements into technical milestones. - Scaling & Deployment: Interact with remote machines via a Unix shell to deploy and test code on large-scale geospatial datasets, ultimately generating 3D content for our customers. - Code Management: Use Git to manage source code and modularize complex implementation tasks into manageable, executable components. Nous sommes à la recherche d'un(e) ingénieur(e) en apprentissage profond ayant de l'expérience dans la manipulation de grands ensembles de données multimédias 2D et 3D. Dans ce rôle, vous développerez des algorithmes clés à l'intersection de la vision par ordinateur et de l'infographie, afin de transformer des données à haute dimension en contenu à haute fidélité. Responsabilités principals: - Implémentation d'algorithmes : Développer et implémenter des algorithmes fondamentaux en apprentissage profond, vision par ordinateur et modélisation procédurale (inverse) en Python, en s'appuyant sur des concepts mathématiques tels que l'algèbre linéaire, les probabilités et la géométrie. - Recherche appliquée : Appliquer les avancées les plus récentes en apprentissage automatique et infographie pour résoudre des problématiques concrètes. - Collaboration interfonctionnelle : Collaborer étroitement avec les cofondateurs afin de comprendre la vision produit et traduire les besoins clients en jalons techniques. - Mise à l'échelle et déploiement : Utiliser des systèmes Unix pour déployer et tester du code sur des ensembles de données géospatiales à grande échelle, afin de générer du contenu 3D pour les clients. - Gestion du code : Utiliser Git pour le contrôle de version et structurer les systèmes complexes en composants modulaires et maintenables. Qualifications - Master's degree in Computer Science, Engineering, Mathematics, or a related field - 3+ years of relevant industry experience in a fast paced, high growth tech environment. - Professional Experience: Proven experience as a DL Engineer or Applied Research Engineer in a fast-paced environment. - Industry Context: Prior experience in industries with complex multi-disciplinary teams such as robotics, smart grids, precision agriculture, game development, or aerospace is highly valued. - Technical Proficiency: - Core Stack: Fluency with Python, Git, and the Unix shell. - ML Experience: Proven experience training and debugging artificial neural networks or adjacent experience (e.g., gradient descent, nonlinear optimization, or classical machine learning). - Math Foundations: A strong mathematical background covering linear algebra, statistics, probability, and numerical methods. - Preferred prior experience with modern C++ to interface with data ingestion and product pipelines. - Attributes: - Communication: Effective collaboration and the ability to work closely with a founding team. - Execution: High attention to detail and the ability to meet key R&D milestones in an early-stage startup environment. - Maîtrise en informatique, en ingénierie, en mathématiques ou dans un domaine connexe. - Minimum de 3 ans d'expérience pertinente dans un environnement technologique dynamique et en forte croissance. - Expérience démontrée en tant qu'ingénieur(e) en apprentissage profond ou en recherche appliquée. - Technologies principales : Excellente maîtrise de Python, Git et des environnements Unix. - Apprentissage automatique : Expérience dans l'entraînement et le débogage de réseaux neuronaux, ou compétences similaires (descente de gradient, optimisation non linéaire, apprentissage automatique classique). - Mathématiques : Solide compréhension de l'algèbre linéaire, des statistiques, des probabilités et des méthodes numériques. - Intégration de systèmes (atout) : Expérience avec le C++ moderne pour les pipelines de données et les systèmes de production. Qualités recherchées - Communication : Capacité à collaborer efficacement au sein d'une petite équipe fondatrice évoluant rapidement. - Exécution : Grande attention aux détails et capacité à atteindre des jalons clés en R&D dans un environnement de démarrage.