Senior ML Data Scientist - Wireless People Sensing

Join uns in Building the Nervous System for Physical AI. Algorized ist ein VC-finanziertes Deep-Tech-Unternehmen aus dem Silicon Valley mit Schweizer Wurzeln. Wir entwickeln Edge-AI-Modelle, die Robotern ein Echtzeitbewusstsein für Menschen mithilfe bestehender drahtloser Sensoren ermöglichen und so eine sicherere Mensch-Maschine-Zusammenarbeit fördern. Während wir weiter wachsen, suchen wir einen Senior Data Scientist, der leidenschaftlich an Innovation, angewandter Forschung und der Umsetzung komplexer Sensorik-Herausforderungen in robuste Produkte interessiert ist. Wenn Sie in einer dynamischen Startup-Umgebung gedeihen, Verantwortung übernehmen und gerne in den Bereichen Datenwissenschaft, Signalverarbeitung und Produktentwicklung arbeiten, würden wir uns freuen, Sie kennenzulernen. Dies ist eine Vor-Ort-Position in Etoy, Schweiz. Vollständige Remote-Arbeitsarrangements sind nicht verfügbar.

Verantwortlichkeiten

• Entwerfen, entwickeln und verbessern von Machine-Learning-Modellen und -Algorithmen für drahtlose Personensensorik unter Verwendung von Radar- und anderen Sensorsignalen.
• Eine Schlüsselrolle bei der Entwicklung grundlegender Modelle spielen, die mehrere Aufgaben zur Personensensorik, Umgebungen und Sensoranordnungen unterstützen können.
• Entwicklung von Signalverarbeitungs-, Machine-Learning- und Deep-Learning-Methoden, die drahtlose Sensorsignale in genaue und robuste Ergebnisse zur Personensensorik umwandeln.
• Modellarchitekturen und Lernansätze entwerfen, die räumliche und zeitliche Muster in drahtlosen Sensordaten erfassen.
• Experimente entwerfen, Evaluierungsmethoden definieren und das Verhalten, die Einschränkungen und die Verallgemeinerung von Modellen analysieren.
• Relevante Fortschritte in der Zeitreihen- und Repräsentationslernen evaluieren und anpassen, um die Modellgenauigkeit, Robustheit und Verallgemeinerung über verschiedene Umgebungen und Sensoranordnungen zu verbessern.
• Cross-funktional mit Software-Ingenieuren und MLOps an der Infrastrukturentwicklung zusammenarbeiten.
• Junior-Teammitglieder betreuen und zur technischen Ausrichtung des Unternehmens sowie zu den Praktiken der Datenwissenschaft beitragen.

Minimale Anforderungen

• PhD in Datenwissenschaft, Informatik, drahtloser Kommunikation, Elektrotechnik, angewandter Mathematik, Physik oder einem verwandten quantitativen Bereich.
• Mindestens 3 Jahre praktische Erfahrung in der Entwicklung von Machine-Learning- oder Datenwissenschaftslösungen für reale Anwendungen.
• Nachgewiesene Expertise in Datenwissenschaft und Machine Learning, mit Erfahrung in der Anwendung statistischer und lernbasierter Methoden auf Sensor- oder Zeitreihendaten.
• Starkes Wissen über Signalverarbeitungsprinzipien und praktische Erfahrung in der Anwendung von Methoden wie Spektralanalyse, Filterung, Schätzung, Detektion, Verfolgung oder Sensorfusion.
• Starkes Verständnis der Grundlagen des Machine Learning, einschließlich Modellentwicklung, Evaluierung, Optimierung und Verallgemeinerung.
• Starke Python-Kenntnisse und praktische Erfahrung mit Frameworks wie PyTorch, scikit-learn, NumPy und SciPy.
• Fähigkeit, Verantwortung für offene technische Probleme zu übernehmen und effektiv von der Exploration zu validierten Lösungen zu gelangen.
• Exzellente Zusammenarbeit und Kommunikationsfähigkeiten, mit echtem Enthusiasmus für die Lösung herausfordernder Probleme in der Personensensorik.

Bevorzugte Anforderungen

• Erfahrung mit Radar, RF-Sensorik, LiDAR, Computer Vision, Akustik oder anderen Sensorikmodalitäten.
• Erfahrung im Entwerfen von Experimenten und der Arbeit mit komplexen, rauschhaften oder unvollkommenen realen Daten.
• Vertrautheit mit selbstüberwachtem Lernen, Repräsentationslernen, multimodalen Modellen oder der Entwicklung von Grundmodellen.
• Erfahrung mit 3D-Positionierung, Belegungssensorik, menschlicher Aktivitätserkennung, Verfolgungssystemen oder Vitalzeichenabschätzung.
• Vertrautheit mit Edge-AI-Beschränkungen und den Kompromissen, die mit der Überführung von Modellen aus der Forschung in die Produktion verbunden sind.
• Erfahrung in der Zusammenarbeit zwischen Datenwissenschaft, Embedded, Software und Produktteams.

Wir können KI-Tools verwenden, um Teile des Einstellungsprozesses zu unterstützen, wie z.B. die Überprüfung von Bewerbungen, die Analyse von Lebensläufen oder die Bewertung von Antworten und die Identifizierung potenzieller Inkonsistenzen oder Verifizierungssignale in Bewerbungsunterlagen basierend auf verfügbaren Informationen. Diese Tools unterstützen unser Rekrutierungsteam, ersetzen jedoch nicht das menschliche Urteil. Die endgültigen Einstellungsentscheidungen werden letztendlich von Menschen getroffen. Wenn Sie mehr Informationen darüber wünschen, wie Ihre Daten verarbeitet werden, kontaktieren Sie uns bitte.