We are seeking a Staff Deep Learning Engineer with experience manipulating large 2D and 3D media datasets. In this role, you will implement core algorithms that sit at the intersection of computer vision and computer graphics, helping us turn high dimensional data into high-fidelity content. 

Key Responsibilities 

• Algorithm Implementation: Implement core deep-learning, computer vision, and (inverse-)procedural modeling algorithms in Python. You will rely on mathematical techniques from linear algebra, probability, and geometry to build these systems. 
• Applied Research: Apply cutting-edge research in machine learning and computer graphics to solve real-world problems. 
• Cross-Functional Coordination: Work closely with our cofounders to understand high-level product vision and translate customer requirements into technical milestones. 
• Scaling & Deployment: Interact with remote machines via a Unix shell to deploy and test code on large-scale geospatial datasets, ultimately generating 3D content for our customers. 
• Code Management: Use Git to manage source code and modularize complex implementation tasks into manageable, executable components. 

Nous sommes à la recherche d'un(e) ingénieur(e) principal(e) en apprentissage profond ayant de l'expérience dans la manipulation de grands ensembles de données multimédias 2D et 3D. Dans ce rôle, vous mettrez en œuvre des algorithmes de base situés à l'intersection de la vision par ordinateur et de l'infographie, nous aidant à transformer des données de haute dimension en contenu haute fidélité.

Responsabilités principals:

• Implémentation d’algorithmes : Développer et implémenter des algorithmes fondamentaux en apprentissage profond, vision par ordinateur et modélisation procédurale (inverse) en Python, en s’appuyant sur des concepts mathématiques tels que l’algèbre linéaire, les probabilités et la géométrie.
• Recherche appliquée : Appliquer les avancées les plus récentes en apprentissage automatique et infographie pour résoudre des problématiques concrètes.
• Collaboration interfonctionnelle : Collaborer étroitement avec les cofondateurs afin de comprendre la vision produit et traduire les besoins clients en jalons techniques.
• Mise à l’échelle et déploiement : Utiliser des systèmes Unix pour déployer et tester du code sur des ensembles de données géospatiales à grande échelle, afin de générer du contenu 3D pour les clients.
• Gestion du code : Utiliser Git pour le contrôle de version et structurer les systèmes complexes en composants modulaires et maintenables.