Hologic, Inc.
Software AI Engineer 4
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Инженер алгоритмов в Hologic для разработки и валидации моделей глубокого обучения в цитологии на системе Genius Digital Diagnostics. Роль включает владение классификатором клеток на CNN, пайплайном сегментации NC-ratio и технической документацией для регуляторных заявок FDA.
Задачи
- Проектировать, обучать и настраивать многоклассовые CNN для классификации клеток и агрегировать предсказания в диагностические категории уровня образца
- Разрабатывать multi-task модели с общими энкодерами и головами для диагностического класса, цитоморфологических признаков и категории NC ratio
- Строить сети сегментации ядра и цитоплазмы для измерения NC ratio и площади ядра, включая перекрывающиеся клетки в кластерах
- Отвечать за пайплайн данных: разбиения с группировкой по пациентам, применение цветовых профилей, баланс классов и метаданные изображений
- Проводить дисциплинированные эксперименты, сравнивать лёгкие бэкбоны с крупными референсными моделями, определять метрики и отчёты оценки
- Сотрудничать с патологами по протоколам разметки, межэкспертному согласию и процессам арбитража
- Готовить проектную документацию, протоколы верификации/валидации и технический контент для регуляторных заявок
- Менторить инженеров и устанавливать стандарты кодирования, воспроизводимости и MLOps
- Обеспечивать производительность и интерпретируемость моделей, включая проверки Grad-CAM и признаки, соответствующие ожиданиям патологов
- Поддерживать регуляторную стратегию для AI-медизделий в рамках design controls и PCCP
Требования
- MS или PhD в computer science, биомедицинской инженерии, электротехнике или смежной области, либо BS с эквивалентным опытом
- 7+ лет разработки ПО, включая 4+ года создания и внедрения моделей глубокого обучения для computer vision
- Экспертный Python и PyTorch (или TensorFlow), включая fine-tuning CNN, transfer learning и сегментацию (U-Net, segmentation_models_pytorch)
- Опыт с несбалансированными, многоклассовыми и multi-task задачами, метриками per-class sensitivity, F1, kappa и AUROC
- Опыт с медицинской или микроскопической визуализацией: работа с цветом, вариативность окраски, тайлинг высокого разрешения
- Сильная дисциплина в разбиении данных, предотвращении утечек, трекинге экспериментов и воспроизводимом обучении
- Ясная письменная коммуникация для технических отчётов и проектной документации
- Плюс: опыт AI в цифровой патологии или цитологии (желательно урологическая цитология); опыт FDA 510(k), De Novo, PMA или EU IVDR; знание IEC 62304, ISO 13485, ISO 14971, 21 CFR Part 820 и FDA PCCP
- Плюс: ICC color management, stain deconvolution и калибровка цвета сканера; инструменты instance-сегментации клеток (StarDist, Cellpose) и разметки (QuPath, CVAT, napari)
- Плюс: оптимизация моделей для edge/embedded inference (квантизация, ONNX, TensorRT) и опыт руководства небольшой командой
Условия
- Годовая базовая зарплата $133,000 - $190,000 с возможностью бонуса
- Комплексное обучение при найме и постоянное развитие в течение карьеры
- Итоговый компенсационный пакет зависит от опыта, навыков, знаний, образования, бизнес-потребностей и рынка
Навыки
- Python
- PyTorch
- TensorFlow
- CNN
- U-Net
- segmentation_models_pytorch
- transfer learning
- Grad-CAM
- ONNX
- TensorRT
- StarDist
- Cellpose
- QuPath
- CVAT
- napari
- MLOps