Auf einen Blick
BrightAI sucht einen erfahrenen AI Engineer mit tiefem Fachwissen in Signalverarbeitung und Machine Learning, um Echtzeit-KI-Modelle für Multi-Modal-Sensordaten zu entwickeln, die intelligente Automatisierung in physischen Infrastruktursystemen antreiben.
💰 ~$120.000–160.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Vor Ort
🗺️ Americas
- 2+ Jahre ML/Signalverarbeitung
- LSTM/RNN Erfahrung
- DSP-Methoden
- SCADA-Systeme
machine-learning
signal-processing
lstm
iot
xgboost
time-series
Gehalt geschätzt anhand Senior ML Engineer mit Signal-Processing-Spezialität in Bay Area, 2+ Jahre Erfahrung. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML-Engineers mit Signal-Processing Hintergrund
- PhD-Kandidaten mit Zeitreihen-Forschung
- Embedded Systems Engineers mit ML-Erfahrung
🚫 Weniger geeignet
- Junior-Entwickler ohne ML-Produktionserfahrung
- Web oder Frontend Entwickler
- Generalists ohne Fachwissen in Signalverarbeitung
💡 Gut zu wissen
- Palo Alto Standort, wahrscheinlich hybrid oder onsite
- Schnell wachsendes Startup mit hohem technischen Anspruch
- Fokus auf physische Automatisierung, nicht traditionelle KI/NLP
Über das Unternehmen
BrightAI ist ein schnell wachsendes Physical AI Unternehmen, das transformiert, wie Unternehmen mit der physischen Welt interagieren. Die Plattform verarbeitet visuelle, räumliche und zeitliche Daten von Milliarden von realen Ereignissen durch Edge-Geräte, mobile Sensoren und großskalige Cloud-Infrastruktur, um intelligente, Echtzeit-Entscheidungen zu treffen.
Deine Aufgaben
- Echtzeitale Signalverarbeitung und ML-Pipelines für Multi-Modal-Zeitreihen-Daten von IMUs, Mikrofonen, Druck- oder Kraftsensoren entwickeln und implementieren
- ML-Modelle für Zeitreihen-Klassifikation, Vorhersage, Anomalieerkennung, Aktivitätserkennung und Musteranalyse entwickeln und einsetzen
- RNN-basierte Architekturen (besonders LSTMs) und temporale Transformer-Modelle entwickeln und optimieren
- Klassische und baumbasierte ML-Modelle (XGBoost, LightGBM, Random Forests) für Zeitreihen-Aufgaben implementieren, einschließlich Feature Engineering und Modell-Interpretabilität
- Mit SCADA-Systemen und industriellen Telemetriedaten arbeiten, hochfrequente Multi-Channel-Datenströme von physischen Assets verarbeiten
- Mit Hardware-, Embedded- und Produkt-Teams zusammenarbeiten zur Integration von Modellen in Edge-Geräte und IoT-Plattformen
- Signalverarbeitungstechniken (Filterung, Feature-Extraktion, Ereigniserkennung) experimentieren und optimieren
- Skalierbare Workflows für Erfassung, Kennzeichnung, Training und Evaluierung von Multi-Channel-Zeitreihen-Datensätzen entwerfen und warten
Deine Voraussetzungen
- Abschluss in Elektrotechnik, Informatik oder verwandtem Fachgebiet mit starkem Fokus auf Signalverarbeitung und Zeitreihenanalyse
- 2+ Jahre Erfahrung in der Entwicklung von Signalverarbeitungs- und ML-Lösungen für Zeitreihensensordaten
- Tiefes Verständnis von digitalen Signalverarbeitungsmethoden (DSP): Filterung, Abtastung, Fensterung, FFT, Feature-Extraktion
- Praktische Erfahrung mit RNNs (besonders LSTMs/GRUs) und/oder temporalen Convolutional Networks
- Proficiency mit baumgestützten Modellen (XGBoost, LightGBM, Random Forests) angewendet auf Zeitreihen und Sensordaten
- Erfahrung mit SCADA-Systemen und industriellen Telemetriedaten
- Erfahrung mit Zeitreihendaten von physischen Sensoren wie IMUs, Mikrofonen, Vibrations- oder Drucksensoren
