Estados Unidos
B&A
Sauron
Engenheiro(a) Sênior de Percepção
Estados Unidos
San Francisco, California, Estados Unidos
PythonC++Go
Tradução automática. Consulte o original.
Quem Somos
Sauron é a empresa de segurança residencial do futuro. Os proprietários hoje carecem de opções atraentes quando se trata de tranquilidade contra vulnerabilidades e controle total de sua casa; não há uma marca definitiva e protetora no espaço. Aproveitando IA de ponta, tecnologia de sensores e dissuasão não letal, Sauron traz tecnologia de próxima geração para proprietários para proteger suas famílias e propriedades. Incubada pelo empreendedor serial Kevin Hartz e pela Atomic, Sauron levantou uma rodada semente de US$18 milhões de importantes firmas de capital de risco e investidores anjo, incluindo 8VC e o CEO da Flock Safety, Garret Langley, para construir o novo sistema de percepção para a casa.
A Vaga | Engenheiro(a) Sênior de Percepção
A percepção é a base do produto Sauron. Cada decisão que o sistema toma (o que mostrar a um proprietário, o que ignorar, o que escalar) depende de termos compreendido corretamente o que aconteceu fora de casa. Estamos procurando a pessoa que será responsável por este domínio.
Você Contribuirá Através de
Nosso hardware opera ao redor da casa e deve completar sua missão de forma confiável em todas as condições ambientais: à noite, em clima adverso e na presença de oclusão e evasão deliberada. Nesta função, você definirá a direção técnica de como alcançaremos isso, incluindo o que detectamos, o que inferimos, quais problemas são melhor abordados por meio de modelos e quais por meio de sistemas, e o que significa "pronto para enviar" em termos mensuráveis, em vez de impressões.
Você será responsável pela arquitetura de percepção e pelos trade-offs de precisão, latência e custo que a sustentam. Você trabalhará em estreita colaboração com a equipe de hardware para definir os requisitos de sensoriamento em gerações de produtos sucessivas, e servirá como a autoridade que as equipes de nuvem, produto e hardware consultam para entender o que a percepção pode e não pode fazer. Você escreverá uma quantidade substancial de código, focada nos problemas mais difíceis, mas seu sucesso será medido pela melhoria, velocidade e confiabilidade do sistema de percepção como um todo.
- Evoluir a arquitetura do pipeline para que câmeras possam entrar e sair, e a configuração possa mudar, sem interromper o vídeo ao vivo ou perder a identidade do objeto.
- Definir a fronteira entre sistemas e modelos. Você decide o que pertence ao serviço compilado, o que pertence ao grafo de inferência e qual é o teto de desempenho real.
- Ser responsável pela qualidade da percepção de ponta a ponta. Definir o que é bom em números: dados de avaliação, um sistema de regressão e uma justificativa defensável sobre a escolha do modelo para nosso hardware.
- Extrair o máximo valor de nossos sensores. Fundir cada observação disponível, mantendo a robustez contra oclusão, iluminação ruim e evasão deliberada.
- Levar o serviço de "em execução" para "confiável e autônomo". Detecção de falhas, degradação graciosa e observabilidade suficientes para sabermos por que algo falhou sem uma visita ao local.
- Fechar o ciclo a partir do campo. Usar dados de implantação para encontrar oportunidades de melhoria e construir o conjunto de dados e a infraestrutura de avaliação que tornam isso repetível.
- Liderar o trabalho e as pessoas. Definir a direção em toda a percepção, revisar as mudanças difíceis e ser responsável pelas interfaces que a percepção expõe ao restante do produto.
Valorizamos
- Colaboração, programação em par e trabalho em equipe.
- Assumir responsabilidade em toda a stack.
- Desenvolvimento orientado a testes e refatoração regular para manter nossas bases de código saudáveis.
Seu Histórico Inclui
- Aproximadamente 5+ anos construindo sistemas de produção, com vários em escopo de staff: sendo responsável pela arquitetura de um sistema, não apenas por seus tickets.
- Experiência profissional significativa com percepção ou machine learning para produtos de hardware em um campo de segurança crítica - aeroespacial, robótica, dispositivos médicos, veículos autônomos ou segurança física.
- Profundo conhecimento de C++ moderno. Esta é uma base de código C++20 com Abseil, gRPC e CMake; você deve se sentir confortável em gerenciar o ciclo de vida, threading e a semântica de desligamento em um daemon de longa execução.
- Experiência real com GStreamer ou pipeline de mídia: pads, probes, negociação de caps, mensagens de barramento e a patologia específica de um pipeline que está ativo, mas não se move. DeepStream ou outra stack de vídeo NVIDIA é um forte diferencial.
- Visão computacional aplicada que você já implementou - rastreamento multi-objeto, re-identificação ou associação multi-câmera - e o julgamento para saber quando a resposta é um modelo melhor versus melhor geometria versus melhor infraestrutura.
- Uma compreensão clara de álgebra linear, otimização, estatística e algoritmos, e a teoria por trás das técnicas que você utiliza.
- Experiência em todo o ciclo de vida de deep-learning: PyTorch ou um framework equivalente, camadas e operações personalizadas, otimização de redes para inferência em computação de borda, reprodutibilidade e avaliação honesta.
- Inferência de GPU na prática: motores TensorRT, batching, fp16 e raciocínio sobre onde a latência realmente se encontra.
- Instinto de borda. Você já depurou algo que só falha no dispositivo, após nove horas, na rede de um cliente, e trata a observabilidade e a classificação de falhas como parte do recurso.
- Fluência em Python. Uma parte significativa da lógica de suporte é Python, e você será quem decidirá o custo disso para nós.
- Uma mentalidade generalista - capaz de mergulhar onde quer que esteja o gargalo, desde a infraestrutura de treinamento na nuvem até sistemas embarcados.
- Excelentes habilidades de comunicação escrita e verbal, e a capacidade de definir direção técnica e discordar produtivamente com equipes adjacentes.
Diferenciais
- NVIDIA Jetson em produção - JetPack, L4T, imagens Yocto, ou a alegria de cross-compilar para aarch64.
- Experiência anterior na construção de sistemas de rastreamento multi-câmera.
- Vigilância por vídeo, VMS ou integrações ONVIF/RTSP, e saber como as câmeras realmente se comportam mal.
- Arquitetura de GPU e programação CUDA.
- Familiaridade com VLMs e outros modelos multimodais para compreensão semântica de cenas.
- Ser responsável pela avaliação de modelos: conjuntos de dados, métricas e a disciplina para rejeitar um modelo que tenha melhor desempenho em benchmarks, mas que seja pior na prática.
Remuneração: US$220-260k + equity + benefícios
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil