О нас
Переосмысление инженерии в эпоху интеллекта
PhysicsX — это компания, занимающаяся физическим искусственным интеллектом для промышленности. Миссия компании — ускорить инновации в аппаратном обеспечении, полностью изменив то, как сегодня выглядят промышленное проектирование и производство. PhysicsX создает новый стек программного обеспечения для моделирования, чтобы обеспечить глубокое внедрение физического ИИ на протяжении всего жизненного цикла инженерных работ. Компания сотрудничает с ведущими организациями в аэрокосмической и оборонной промышленности, автомобильной отрасли, полупроводниках, материалах, энергетике и возобновляемых источниках энергии, поддерживая их в решении одних из самых критичных и сложных задач. Штаб-квартира PhysicsX находится в Великобритании, с офисами в Лондоне, Нью-Йорке и Сингапуре, а также расширяющимся присутствием в районе залива Сан-Франциско.
Кого мы ищем
В роли ведущего инженера по машинному обучению в отделе доставки вы являетесь опытным решателем проблем и техническим лидером, который всегда ориентирован на результат. Вы способны понимать сложные инженерные концепции в различных отраслях, вести технические инициативы и работать напрямую с клиентами (часто бок о бок на месте), внедряя передовые модели ИИ в инструменты, которые действительно полезны и используются.
Для этой роли это означает работу с производством и техническим обслуживанием, ремонтом и капитальным восстановлением (MRO). Вы внедряли машинное обучение в промышленное производство или на данные с датчиков, а не на эталонных наборах. Вы понимаете разницу между моделью, которая хорошо показывает себя офлайн, и той, которую владелец процесса примет на квалифицированной производственной линии. Ваши данные поступают с оборудования, а не из решателя: они разрежены, подвержены дрейфу, некалиброваны и частично не зафиксированы, и вы умеете с ними работать.
Вы запускали системы машинного обучения от начала до конца и в масштабе: проектируете, строите и тестируете надежные, масштабируемые конвейеры данных для машинного обучения, выбираете подходящие библиотеки, фреймворки и инструменты, а также принимаете прагматичные продуктовые решения, которые обеспечивают успех отдела доставки. Работая на стыке науки о данных и программной инженерии, вы переводите результаты НИОКР и проектов в переиспользуемые библиотеки, инструменты и продукты.
Имея не менее 5 лет опыта работы в индустрии (после магистратуры или докторантуры) в коммерческой, не исследовательской среде, вы готовы не только выполнять задачи, но и руководить и наставлять других.
Обязанности
Вы будете тесно сотрудничать с учеными данных, инженерами по моделированию, экспертами по производственным процессам и клиентами, чтобы определить задачи по процессам и физике, которые мы решаем, а также принимать решения по надежному развертыванию с измеримыми результатами на производстве.
Вы будете:
•Отвечать за подход машинного обучения к данным производства и MRO, от моделирования до развертывания в производственных средах клиентов (облако, локально и на периферии).
•Создавать производственные модели машинного обучения на основе разреженных, дрейфующих, некалиброванных данных процессов и датчиков (логи процессов, следы датчиков, записи инспекций, небольшие наборы экспериментов), а также оценивать, достаточно ли данных для обучения.
•Выбирать между физическим моделированием, моделями пониженного порядка и обучаемыми моделями, а также объединять моделирование с измерениями на производстве, когда они расходятся.
•Устанавливать стандарты оценки неопределенности (UQ) и валидации для рекомендаций по процессу в рамках квалифицированного технологического окна, а также проектировать эксперименты, где стоимость — это время работы оборудования.
•Обеспечивать переносимость моделей между машинами, партиями материалов и расходными материалами.
•Определять требования к продукту, которые производство и MRO предъявляют к платформе PhysicsX.
•Руководить определением объема и архитектуры систем данных и машинного обучения, а также доносить результаты и компромиссы до старших заинтересованных лиц и владельцев процессов.
•Строить сквозные конвейеры обучения и вывода моделей и API (Python, PyTorch, Pandas, FastAPI, SciPy, Kubeflow и другие), включая работу с 3D-точечными облаками и сетками, а также наставлять инженеров и ученых данных.
•Путешествовать на объекты клиентов по всему миру в среднем 3-4 недели в квартал и участвовать в определении новых проектов и привлечении новых клиентов в PhysicsX.
Ваш опыт
Мы нанимаем по тому, что вы сделали, поэтому сильные кандидаты могут указать такие достижения, как:
•Создание и внедрение моделей машинного обучения на данных производственных процессов (логи параметров, следы датчиков, записи инспекций или небольшие наборы экспериментов) и понимание, что изменилось в производстве в результате.
•Объединение результатов моделирования с измерениями на производстве, когда они расходились.
•Установление стандартов оценки неопределенности и валидации, которым следовали другие команды.
•Формирование дорожной карты продукта или инструментов на основе реальных потребностей площадки или компании.
•Получение отказа в рекомендации от владельца процесса и понимание причин.
Опыт работы в аэрокосмической или другой регулируемой производственной среде является плюсом, но не обязателен, так как необходимый уровень можно достичь в любой отрасли, где данные поступают с оборудования.
Что мы предлагаем
•Опционы на акции — значимое участие в компании, которую вы помогаете строить.
•Взнос 5% в 401(k) — создание долгосрочной финансовой безопасности с надежным пенсионным планом.
•Бесплатный командный обед 1 раз в неделю.
•Частная медицинская страховка.
•Расширенный декретный отпуск — 3 месяца оплачиваемого отпуска по уходу за ребенком для отцов и 6 месяцев оплачиваемого отпуска для матерей.
•20 дней ежегодного отпуска (+ государственные праздники).
•Личное развитие — целевая поддержка обучения, развития и повышения квалификации.
•Gympass / Wellhub (субсидируется) — для вас и до 3 членов семьи.
•Гибкий счет расходов (FSA) — возможность откладывать деньги до налогообложения на медицинские расходы.
Наша гибридная модель сочетает время в офисе в Нью-Йорке с днями работы из дома, предоставляя гибкость для устойчивой работы при сохранении личного общения.
Диапазон зарплаты
140 000 – 190 000 долларов в зависимости от опыта. Уровень будет оцениваться в ходе процесса собеседования.
