Deep Learning Research Engineer

Bij Plumerai maken we het gemakkelijk en betaalbaar voor ontwikkelaars om zeer nauwkeurige AI aan hun cameratoestellen toe te voegen, zodat ze geweldige nieuwe producten kunnen creëren. Grote merken zetten onze geavanceerde computer vision-modellen in op miljoenen slimme camera's in het veld en we breiden snel uit naar andere sectoren, zoals commerciële beveiliging, ouderenzorg en detailhandel. We combineren onze on-device Tiny AI-software met onze cloud-gebaseerde Vision Language Models om onze klanten krachtige AI-functies te bieden, waaronder People Detection, Video Search, Familiar Face Identification, AI Captions en meer. We geven prioriteit aan on-device inferentie om low-power, super-efficiënte en private AI-producten mogelijk te maken. Plumerai leidt in nauwkeurigheid, zelfs vergeleken met grote spelers zoals Google Nest.

We zijn een klein, hoog presterend team gevestigd in Londen en Amsterdam, met plannen om het komende jaar te verdubbelen in omvang. Na onze recente $8,7 miljoen Series A, gesteund door wereldklasse investeerders zoals Tony Fadell, Hermann Hauser en Zoubin Ghahramani, hebben we meerdere jaren aan runway en snel groeiende terugkerende inkomsten. We bevinden ons in een periode van significante groei en breiden ons engineeringteam uit op meerdere niveaus en specialismen. Dit is een van de verschillende aanwervingen die we doen terwijl we het bedrijf opschalen.

Rolbeschrijving

We zijn op zoek naar een Deep Learning Research Engineer die ons kan helpen bij het ontwikkelen van state-of-the-art AI-producten. Dit kan alles omvatten, van het verbeteren van onze trainingsalgoritmen, het trainen en integreren van multimodale LLM's, het bouwen van onze datastroom, het ontwerpen van nieuwe modelarchitecturen tot het gebruiken van beproefde ML-benaderingen en het bedenken van slimme algoritmen. Je helpt ons nieuwe AI-functies te bouwen die naar miljoenen cameratoestellen in het veld worden verzonden. Samen bouwen we de meest geavanceerde AI voor embedded devices.

Wat je gaat doen

We combineren onze Tiny AI met multimodale LLM's om onze geavanceerde AI-functies voor onze klanten mogelijk te maken. Je zult multimodale LLM's gebruiken en verbeteren om nieuwe functionaliteit voor onze klanten te bereiken en hun implementaties (cloud en edge) te optimaliseren. Sommige van onze deep learning-modellen zijn echt klein - de geheugengrootte van ons kleinste computer vision-model is slechts 1MB. Je zult nauwkeurigere modellen trainen en ontwerpen, terwijl je ook nieuwe en complexere AI-toepassingen op goedkope en energiezuinige hardware mogelijk maakt. Je zult onze datastroom, modelarchitecturen en trainingssoftware verbeteren. Soms is er relevante literatuur beschikbaar, maar vaak zijn nieuwe benaderingen en slimme hacks vereist voor de problemen waar we aan werken. Je zult onze Kubernetes-cluster gebruiken om PyTorch- en TensorFlow-trainingsjobs te implementeren, Snowflake en Dataflow om datasets te bouwen, tools zoals Streamlit om nieuwe demo's te prototypen en veel GPU's op GCP voor het trainen van nieuwe modellen en het automatisch labelen van gegevens.

Wat je nodig hebt

• Sterke engineeringervaring met vaardigheid in Python.
• Comfortabel met frameworks zoals PyTorch, TensorFlow, Keras of JAX.
• Sterke ervaring met computer vision en multimodale LLM's.
• Getrainde neurale netwerken die in productie zijn gegaan.

Aanbevolen

• Industrie-ervaring met efficiënte inferentie-implementaties (cloud of edge).
• Ervaring met Deep Reinforcement Learning.

We overwegen alleen kandidaten die momenteel in Londen of Amsterdam zijn gevestigd, of bereid zijn om te verhuizen. We hebben flexibele werktijden en werken samen vanuit onze kantoren op ten minste 2 vaste dagen per week.

Wat we bieden

• Competitief salaris.
• Generous equity stake in the company.
• Verhuishulp en visumsponsoring worden aangeboden.
• Kies je eigen laptop en apparatuur.
• 25 dagen betaald verlof naast de feestdagen.
• Mogelijkheid om top onderzoeksconferenties zoals NeurIPS, ICML en CVPR bij te wonen.

Proces

• Talent Screen
• Technische ronde I
• Technische ronde II
• Cross Team & Executive Interview