职位描述
本站申请链接
在 INflow Federal，我们不仅在数字转型的前沿进行导航，我们还在重塑它。我们致力于融合人类和机器的力量来解决复杂的问题，这使我们在为国防部（DoD）网络设计和工程解决方案方面脱颖而出。在这里，每一个挑战都是一次进步的机会，每一个解决方案都是迈向更安全、更互联的未来的一步。我们期待您加入 INflow 团队！
关于此职位：
作为 INflow Federal 的机器学习工程师，您将成为我们的核心任务，为国防部客户提供最先进的 AI/ML 解决方案。您的专业知识不仅将为创新数据管理和基础设施铺平道路，还将推动我们致力于数据现代化和网络复原力。这个职位是技术精湛和战略远见的独特结合，专为那些敢于将数据转化为可操作的见解和开创性解决方案的人而设计。
在这个职位上，您将快速构建容器化多模态深度学习解决方案和相关数据管道的原型，以实现 GeoAI 功能，从而改进分析工作流程并解决关键的情报问题。您将处于实施最新计算机视觉 (CV) 和视觉语言模型 (VLM) 的最前沿，以便使用卫星和航空图像、全动态视频 (FMV)、地面照片和 OpenStreetMap 等地理空间数据集进行图像检索、分割任务、人工智能辅助标注、对象检测和视觉问题解答。
在这里，您的工作不仅仅是一份工作，更是一次创新之旅。在 INflow Federal，您有机会参与具有重大影响力的项目，接触最新技术，感受创造与合作的文化，您的专业技能将使您的工作与众不同。
offer要求
展示了应用迁移学习和知识蒸馏方法的经验，以微调预训练的基础和计算机视觉模型，以便使用卫星图像在有限训练数据的情况下快速执行分割和对象检测任务。
展示了构建安全容器化 Python 应用程序的专业或学术经验，包括加固、扫描、使用 CI/CD 管道自动化构建。
展示了使用 Python 从符合 S3 标准的 API 中查询和检索图像的专业或学术经验，这些 API 可使用 Boto3 和 NumPy 等常用库执行常见的图像预处理（如削片、增强或转换）。
展示了使用 PyTorch 或 Tensorflow 等深度学习框架优化卷积神经网络（CNN）（如 ResNet 或 U-Net）的专业或学术经验，以便使用卫星图像执行物体检测或分割任务。
证明具有利用 CUDA 进行 GPU 加速计算的经验。
offer待遇
证明具有 HuggingFace Transformers 库和集线器的专业或学术经验。
展示了使用 Vision Transformers (ViT)（如 DINO 或 DeiT）的经验。
展示了交流方法选择和模型结果的学术或专业经验。
展示了使用可解释人工智能 (XAI) 技术的经验。
展示了使用开放神经网络交换 (ONNX) 的经验。
