Wir verwenden technische Cookies und Besuchsstatistik: Yandex Metrica und das anonymisierte Besuchsprotokoll von Zorky. Wir verkaufen niemals Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Diese Website ist nur eine Demo: Firmennamen, Links und Ihre persönliche Stellenauswahl werden nach der Registrierung freigeschaltet. Registrieren →
ZorkyZorky
Deutsch
@termdocs
← Alle Stellen

Principal Machine Learning Engineer (Reconstruction / Quantitative Imaging)

principalofficeSan Francisco, US →vor 15 Wo.
Markteinblicke
📊 AI / ML / Data Science: Gehälter und Nachfrage am Markt
Stack
defidenogo
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Laden Sie Ihren Lebenslauf hoch — Arbeitgeber und Recruiter aus verschiedenen Ländern, die Ihr Profil suchen, können Sie direkt kontaktieren.
Lebenslauf senden →
Beschreibung
WHAT YOU’LL DO 1. Partner with medical image reconstruction scientists / engineers to build ML components that improve reconstruction quality, speed, robustness, or quantitative accuracy. 2. Define training/evaluation pipelines, datasets, and metrics that map to user needs and design requirements. 3. Productionize models: inference performance, reproducibility, monitoring for drift/regressions, and safe fallbacks. 4. Collaborate on hybrid algorithms, incorporating physics and learned priors, denoisers, learned regularizers, and quality estimation. 5. 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. Senden Sie Ihren Lebenslauf — dann können Arbeitgeber Sie direkt kontaktieren.
Dringende Frage? Schreiben Sie @termdocs