• Obyektlərin aşkarlanması, semantik seqmentasiya, dəyişikliklərin təyini və zaman sırası təhlili daxil olmaqla, peyk təsvirlərinin analizi üçün “state-of-the-art” dərin öyrənmə modellərinin dizaynı və tətbiqi;
• Müxtəlif peyk mənbələrindən əldə edilən genişmiqyaslı geofəza məlumatlarının emalı üçün dayanıqlı, miqyaslana bilən məlumat emalı konveyerlərinin hazırlanması və dəstəklənməsi;
• Dəqiqliyi və hesablama səmərəliliyini tarazlaşdıraraq, süni intellekt modellərinin istehsalat mühitində tətbiqi üçün optimallaşdırılması;
• Tədqiqatların aparılması və əldə olunan nəticələrin praktiki həllərə çevrilməsi;
• Mövcud modellərin performansının təkmilləşdirilməsi;
• Məlumat dəstlərinin yoxlanılması, etiketlənməsi və təmizlənməsi;
• Təmiz, anlaşılan və istehsalat səviyyəli kodun yazılması;
• İstehsalat sistemlərində modellərin təsirinin və effektivliyinin təhlili;
• Aydın texniki sənədlərin yaradılması və əldə edilən nəticələrin həm texniki, həm də qeyri-texniki maraqlı tərəflərə təqdim edilməsi;
• Problemlərin qoyuluşunu təmin etmək və səmərəli texniki həllər təqdim etmək məqsədilə, tərkibində proqram təminatı mühəndisləri və müvafiq sahə üzrə ekspertlər olan çoxprofilli komandalarla əməkdaşlıq etmək.

İş qrafiki:

• 5 gün (Bazar ertəsi-Cümə);
• Tam iş günü (09:00-18:00).

İşin təsviri: 

• Azərkosmosun süni intellekt bölməsinə qoşulmaq üçün kompüter görməsi sahəsində dərin təcrübəyə malik, həvəsli və yüksək motivasiyalı şəxsləri maşın öyrənməsi mühəndisi vəzifəsinə dəvət edirik;
• Süni intellekt mühəndisi olaraq sizin genişmiqyaslı, yüksək təsirli dərin öyrənmə layihələri üzərində işləmək və layihələnin bütün inkişaf mərhələlərində iştirak etmək imkanını qazanacaqsınız.

Müraciət etmək üçün, CV-nizi 10 sentyabr tarixinədək mövzu hissəsində “Machine Learning Engineer” qeyd edərək Müraciət Et düyməsində yerləşən elektron poçt ünvanına göndərməyinizi xahiş edirik. Yalnız uğurlu namizədlərlə əlaqə saxlanılacaq.

• Python dilində proqramlaşdırma təcrübəsi;
• Dərin öyrənmə kitabxanaları (məsələn, TensorFlow, PyTorch) ilə kodlaşdırma təcrübəsi;
• Təsvirlərin seqmentasiyası, obyektlərin aşkarlanması, generativ modelləşdirmə tapşırıqlarında dərin öyrənmə metodologiyalarının tətbiqi üzrə nəzəri və praktiki biliklər;
• Elmi ədəbiyyatdakı qabaqcıl anlayışları başa düşmək və tətbiq etmək üçün güclü riyazi qabiliyyət;
• Kompüter elmləri, mühəndislik, riyaziyyat, fizika və ya əlaqəli sahələrdə bakalavr dərəcəsi.

Üstünlük verilən keyfiyyətlər:

• Geofəza məlumat formatları (məsələn, GeoTIFF) və müvafiq kitabxanalarla (məsələn, GDAL, Rasterio, Shapely) iş təcrübəsi;
• Modellərin təlimi və tətbiqi üçün bulud hesablama platformaları (məsələn, AWS, Google Cloud, Azure) ilə təcrübə;
• Sintetik Aperturlu Radar (SAR) və ya multispektral təsvirlər kimi məsafədən müşahidə məlumatları ilə iş təcrübəsi.