Machine Learning Engineer (Detect & Track Distillation) in Zürich

Über uns Harmattan AI ist ein Unternehmen der nächsten Generation, das autonome und skalierbare Verteidigungssysteme entwickelt. Nach dem Abschluss einer Series B-Finanzierungsrunde über 200 Millionen USD, die das Unternehmen mit 1,4 Milliarden USD bewertet, erweitern wir unsere Teams und Fähigkeiten, um mission-kritische Systeme für verbündete Streitkräfte bereitzustellen. Unsere Arbeit wird von klaren Werten geleitet: Technologien mit echtem Einfluss zu entwickeln, Exzellenz in allem, was wir tun, zu verfolgen, ehrgeizige Ziele zu setzen und die schwierigsten technischen Herausforderungen anzugehen. Wir arbeiten in einem anspruchsvollen Umfeld, in dem Rigorosität, Eigenverantwortung und Ausführung erwartet werden.

Über die Rolle Harmattan AI drängt stark an die Grenzen autonomer Systeme, wobei die Wahrnehmung der Umgebung durch visuelle Hinweise ein wesentlicher Bestandteil ist. Um eingehende visuelle Daten zu verstehen und mission-kritische Entscheidungen zu ermöglichen, haben wir maßgeschneiderte Erkennungsmodelle entwickelt. Mit der Erweiterung unseres Produkt- und Projektportfolios diversifizieren wir unsere Bemühungen in diesem Bereich über mehrere eingebettete Plattformen. Als ML Research Engineer im Detect&Track Distillation-Team werden Sie uns in einer sehr frühen Phase beitreten, was Ihnen die einzigartige Möglichkeit gibt, die technische Richtung des Teams erheblich zu beeinflussen. Sie werden sich auf die Umwandlung großer Basis-Modelle in hochoptimierte, aufgaben-spezifische Komponenten konzentrieren. Ihre Arbeit wird die Zielerkennung, Klassifizierung und Zielwiederidentifikation über die Zeit umfassen und direkt die Hardware-Inferenzbeschränkungen verschiedener Edge- und eingebetteter Systeme angehen.

Verantwortlichkeiten:

• Modell-Destillation & Feintuning: Große Basis-Modelle komprimieren/destillieren in hochspezifische, effiziente Komponenten, die für kleinere Aufgaben und Zielerkennung optimiert sind.
• Edge AI-Optimierung: Optimierung neuronaler Netzwerke für eingeschränkte eingebettete Systeme unter Verwendung von Techniken wie Quantisierung (PTQ vs. QAT), Pruning und LoRA.
• Pipelines-Management & MLOps: Aufbau, umfangreiche Modifikation und Verwaltung von Trainings-, Evaluierungs- und MLOps-Pipelines unter Gewährleistung von Reproduzierbarkeit, robustem Logging und Versionskontrolle.
• Datenkuratierung: Zusammenarbeit bei der Datenkuratierung und der Erstellung von aufgaben-spezifischen Datensätzen zur ständigen Verbesserung der Modellgenauigkeit.
• Benchmarking & Evaluierung: Rahmenebenen-Benchmarking neu destillierter Modelle zur Bewertung der Leistung und Latenz, um sicherzustellen, dass die Ergebnisse vollständig mit den realen betrieblichen Einsätzen übereinstimmen.
• Forschung & Innovation: An der absoluten Spitze wissenschaftlicher Trends in der Computer Vision und Quantisierungsforschung bleiben, um bahnbrechende Methoden ins Team einzuführen.
• Interdisziplinäre Zusammenarbeit: Enge Zusammenarbeit mit dem Detect&Track Foundation-Team, nachgelagerten Systemingenieuren, Projektteams und Mission Intelligence, um robuste Lösungen zu liefern.
• Mentoring: Je nach Erfahrungsgrad das Team unterstützen, indem man junior Ingenieure betreut oder leitet.

Candidate Requirements:

• Bildungsweg: Ein starkes akademisches Profil mit einem Abschluss in einem MINT-Fach (z.B. Informatik, Ingenieurwesen, Mathematik).
• Tiefes Lernen & Computer Vision: Nachgewiesene Erfahrung in der Ausführung von Vision-neuronalen Netzwerken, der Entwicklung von Zielerkennungsarchitekturen oder der Verwaltung von Wiederidentifikationsaufgaben.
• Modellkompression & Edge AI: Praktische Expertise in Wissensdestillation, Modellkompression und der Bereitstellung von Netzwerken auf stark eingeschränkten eingebetteten Systemen oder Edge-Hardware (z.B. Jetson, benutzerdefinierte NPUs, tragbare Geräte).
• Technische Kompetenz & Infrastruktur: Kenntnisse in MLOps, GPU-Computing und dem Aufbau von Infrastrukturen (wie z.B. Vorlagen für Trainingspipelines und Logger).
• Berufliche Eigenschaften: Hoch strukturiert, analytisch, aufgabenorientiert und forschungsorientiert. Hervorragende Kommunikations- und Einflussfähigkeiten, mit der Fähigkeit, komplexe Benchmarking-Daten effektiv zu übersetzen und zu präsentieren.
• Engagement: 100%ige Hingabe an die Mission, Vision und ehrgeizigen Wachstumspläne von Harmattan AI, bereit, das Extra zu geben, um operative Exzellenz sicherzustellen.

Wir freuen uns darauf zu hören, wie Sie die Zukunft autonomer Verteidigungssysteme bei Harmattan AI mitgestalten können.