Инженер по машинному обучению

Описание

Локация: Ханчжоу, Китай

Описание вакансии Machine Learning Engineer

Мы создаём интеллектуальную систему управления бионическим протезом, основанную на анализе электромиографических (EMG) сигналов и применении моделей машинного обучения на устройствах с ограниченными вычислительными ресурсами.

Мы ищем ML-инженера / Data Scientist , который сможет спроектировать и оптимизировать алгоритмы классификации EMG-сигналов, адаптировать их под реальное железо (SoC, embedded-платформы), и выстроить надёжный пайплайн обработки данных от сенсоров до управляющих команд протезу.

Условия :

• Помощь в совмещении работы с научной деятельностью.
• Работа с новейшим оборудованием в высокотехнологичной лаборатории.
• Конкурентную ЗП (обсудим после собеседования исходя из уровня образования и опыта работы).
• Современное жилье и трансферы до лаборатории.
• Переезд и оформление визы осуществляются за счет компании.

Обязанности :

• Разрабатывать, обучать и оптимизировать ML-модели для обработки и классификации EMG-сигналов в реальном времени.
• Настраивать и разрабатывать алгоритмы персонализации , адаптирующие модель под конкретного пользователя и его нейромышечные сигнатуры.
• Проводить экспериментальные исследования: сбор сырых данных, калибровка сенсоров, дизайн наборов данных, разметка.
• Участвовать в оптимизации моделей для edge-вычислений: квантование, сжатие, pruning, hardware-aware tuning.
• Взаимодействовать с инженерами электроники, embedded-разработчиками и командой SoC-интеграции для согласования алгоритмов и интерфейсов.
• Проводить валидацию моделей на реальных EMG-сессиях с пользователями: тестирование устойчивости, анализ ошибок, улучшение метрик.

Требования к соискателю :

• Наличие высшего инженерного образования, не ниже магистратуры
• Практический опыт в разработке и оптимизации моделей машинного обучения для задач классификации и анализа временных рядов.
• Глубокие знания в signal processing , pattern recognition, методах анализа периодических и нестационарных сигналов.
• Уверенное владение Python и ML-стеком: NumPy, Pandas, SciPy, scikit-learn, PyTorch, TensorFlow .
• Понимание принципов построения real-time систем обработки сигналов.
• Навыки разработки пайплайнов от сырых данных до стабильных результатов.