SOTI Inc
Data Scientist (Aerospace)
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Data Scientist в аэрокосмическом направлении SOTI: разработка и интеграция AI/ML-моделей для автономных дронов и робототехники, включая мультисенсорную аналитику и восприятие.
Задачи
- Вести AI/ML-пакеты работ: стратегия данных, моделирование, интеграция, оценка, деплой, мониторинг и техническая документация
- Проектировать пайплайны восприятия и сенсорного слияния (RGB, тепловизор, глубина, LiDAR, радар, IMU, GNSS, телеметрия)
- Подбирать и реализовывать методы детекции, сегментации, трекинга, оценки позы, локализации, аномалий и прогнозирования
- Определять планы покрытия датасетов и стратегии синтетических данных для редких событий и сложных условий
- Проводить анализ ошибок, ablation-исследования, оценку неопределённости и тесты на устойчивость
- Оптимизировать модели под GPU, NPU, CPU и embedded-платформы (квантизация, прунинг, компиляция)
- Координировать интеграцию с командами автономности, управления, embedded, cloud и робототехники
- Выстраивать воспроизводимые практики обучения, версионирования, трекинга экспериментов и релизов
- Расследовать дрейф данных, отказы сенсоров, деградацию моделей и ошибки локализации
- Менторить associate, стажёров и исследователей
Требования
- 4–6 лет опыта в data science, AI/ML, восприятии, сенсорном слиянии или автономных системах
- Опыт владения моделями или data-продуктами от требований до интеграции и валидации
- Уверенный Python, deep-learning фреймворки, пайплайны данных, трекинг экспериментов, контроль версий, Linux
- Практика с мультимодальными данными, computer vision, сенсорным слиянием, логами роботов, edge-инференсом или симуляцией в ROS2
- Понимание фильтра Калмана, байесовской оценки, трекинга, преобразований координат, синхронизации времени, планирования пути и навигации (сильно предпочтительно)
- Опыт с MLOps, контейнерами, CI/CD, model registry, облаками или embedded-деплоем (плюс)
- Опыт менторинга junior-специалистов и коммуникации технических компромиссов
Условия
- Гибридный формат работы
- Культура личностного роста, непрерывных инноваций и командной работы
- Работа с передовыми технологиями и партнёрами-техногигантами
- Глобальный масштаб и agile-команды
Навыки
- Python
- deep learning
- computer vision
- sensor fusion
- ROS2
- LiDAR
- Kalman filtering
- Bayesian estimation
- MLOps
- Docker
- CI/CD
- Linux
- GPU
- NPU
- quantization
- pruning
- experiment tracking
- cloud platforms