Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →
← Alle Stellen

Principal Machine Learning Engineer (Reconstruction / Quantitative Imaging)

PrincipalofficeSan Francisco, US →vor 18 Wo.
Markteinblicke
📊 AI / ML / Data Science: Gehälter und Nachfrage am Markt
Stack
defidenogo
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Öffnen Sie oben das Unternehmen und den Link — Ihre Bewerbung geht direkt in das Recruiting-System des Unternehmens, ohne Vermittler.

Beschreibung

Aufgaben

WHAT YOU’LL DO

  • Partner with medical image reconstruction scientists / engineers to build ML components that improve reconstruction quality, speed, robustness, or quantitative accuracy.
  • Define training/evaluation pipelines, datasets, and metrics that map to user needs and design requirements.
  • Productionize models: inference performance, reproducibility, monitoring for drift/regressions, and safe fallbacks.
  • Collaborate on hybrid algorithms, incorporating physics and learned priors, denoisers, learned regularizers, and quality estimation.
  • Help build tooling for rapid experimentation as well as rigorous verification of algorithm changes.

WHAT WE’RE LOOKING FOR

  • Strong applied ML experience plus comfort with signal processing / imaging or adjacent domains.
  • Ability to move fluidly between research prototypes and production-quality systems.
  • Strong evaluation discipline: metrics, ablations, data leakage avoidance, and reproducibility.
  • A demonstrated track record of applying ML to physics-based or inverse problems (i.e., shipped projects, a portfolio, or publications.)

USEFUL EXPERIENCE

  • ML for imaging/inverse problems (or adjacent) with strong evaluation discipline and comfort with GPU performance constraints.
  • Pragmatic production mindset: reproducible training/inference, regression testing, and safe deployment in high-stakes contexts.
  • A background in computational physics or scientific computing.
  • Leverage ML-based methods su
Vollständige Beschreibung, Unternehmen und Bewerbungslink — nach der Anmeldung. Anmelden
Kontaktdaten des Arbeitgebers (E-Mail/Telefon/Telegram) sind in der öffentlichen Vorschau ausgeblendet.
Dringende Frage? Schreiben Sie @termdocs