Machine Learning Applied Scientist (Co-op)

Apera — инновационная компания из Ванкувера, находящаяся на переднем крае робототехники, ИИ и машинного зрения, отмеченная наградой Frost & Sullivan Technology Innovation Leadership Award 2025 и наградой BC Tech «Компания года, рост» 2024. Наша миссия — переосмыслить роботизированное зрение на базе ИИ.

Apera AI помогает производителям делать свои фабрики более гибкими и производительными. Роботы, оснащенные программным обеспечением Apera, обладают 4D Vision — способностью видеть и захватывать объекты с возможностями, подобными человеческим. Сложные задачи, такие как подбор деталей из ящика, сортировка, упаковка и сборка, теперь доступны для быстрой, точной и надежной автоматизации. Мы работаем с ведущими мировыми автопроизводителями (OEM) и поставщиками первого уровня.

Наш портфель включает Vue (наше программное обеспечение 4D Vision), Forge (студию моделирования и обучения ИИ без кода, где клиенты создают, проверяют и снижают риски роботизированных ячеек перед покупкой оборудования) и VuePod, нашу новую готовую к использованию ячейку для подбора деталей из ящика.

Обзор роли

Apera AI ищет специалиста по прикладному машинному обучению (Co-op) на 8-месячный срок (январь 2027 г. — август 2027 г.) для поддержки разработки нашей технологии 4D Vision, используемой промышленными роботами для выполнения быстрых и точных задач на производстве.

Эта роль предполагает работу в офисе в Ванкувере.

В этой роли вы будете применять методы машинного обучения и компьютерного зрения для решения реальных задач, таких как подбор и локализация деталей роботами в структурированных, высокоскоростных приложениях. Вы будете создавать прототипы, оценивать и улучшать модели, которые развертываются на производственных линиях в таких отраслях, как автомобильная и промышленная.

Ценностное предложение для сотрудника (EVP)

Миссия: Вы будете способствовать развитию интеллекта роботизированных систем, выполняющих точные, высокоскоростные задачи автоматизации, такие как подбор и размещение деталей для штампованных металлических компонентов или механических узлов.

Рост: Вы получите практический опыт применения академических концепций в производственных процессах, работы с внутренними наборами данных, создания надежных моделей и обучения на основе поведения системы в реальных развертываниях.

Мотивация: Вы станете частью совместной, быстро развивающейся команды и увидите, как ваши модели тестируются в симуляции и на реальных промышленных роботах, используемых в клиентских решениях.

Прототипирование и оценка моделей зрения В течение первых 90 дней реализуйте модели машинного обучения для обнаружения объектов, оценки глубины или оценки позы 6DoF. Оцените производительность, используя внутренние наборы данных, отражающие реальные производственные условия. [Инструменты: PyTorch, внутренний кластер GPU, инструменты для работы с данными]

Трансляция исследований в производственно-ориентированные улучшения Определяйте и прототипируйте методы из недавних исследований в области ML или компьютерного зрения. Адаптируйте их к нашей предметной области и оценивайте их по сравнению с производственными базовыми показателями. Документируйте выводы и компромиссы. [Фокус: Скорость модели, стабильность, точность при различных условиях освещения и геометрии деталей]

Улучшение генерации синтетических данных для обучения моделей Внесите улучшения в конвейер генерации синтетических данных, сосредоточившись на расширении вариативности формы, материала и позы объектов. Помогите обеспечить, чтобы набор данных поддерживал обобщение моделей для производственных сценариев использования.

Критические подзадачи

Оценка среды разработки ML В течение первого месяца изучите текущие инструменты обучения и валидации. Определите области для улучшения производительности или удобства использования и внесите одно конкретное изменение к середине срока.

Кросс-функциональное взаимодействие и отладка проблем модели Работайте с инженерами по робототехнике и программному обеспечению, чтобы понять требования и ограничения развертывания. Помогайте в диагностике проблем с производительностью модели, наблюдаемых во время тестирования робота или симуляции, и помогайте внедрять исправления или улучшения.

Самостоятельная реализация и выполнение ограниченного ML-проекта Возглавьте целенаправленную инициативу, такую как тестирование новой стратегии аугментации, разработка упрощенного инструмента оценки или эксперименты с модификациями моделей для повышения надежности. Представьте результаты с метриками и выводами в конце срока.

Поддержка исследований по стратегической проблеме зрения Участвуйте в ранних исследованиях долгосрочных возможностей, таких как обработка частичных перекрытий или улучшение поведения модели с похожими деталями. Проводите сравнительное тестирование и обзор литературы для принятия будущих решений по дорожной карте.

Соответствие культуре и ситуации

Вы будете процветать, если цените инициативу, техническую глубину и рассматриваете данные как рычаг проектирования, а не просто входные данные. Apera AI — это быстро развивающаяся, совместная средом, ориентированная на результат. Здесь инженеры создают системы, которые делают ИИ надежным в сложных реальных условиях.

Вы будете успешны здесь, если:

• Хотите применять ML к реальным проблемам в промышленной автоматизации
• Вам интересно, как ваша работа влияет на создание и развертывание роботизированных систем
• Вам нравится решать практические задачи с помощью инструментов, основанных на исследованиях

Квалификация

• Владение Python и фреймворками машинного обучения (например, PyTorch)
• Понимание основ компьютерного зрения (например, обнаружение, сегментация, 3D-геометрия)
• Опыт работы с рабочими процессами обучения, настройки и оценки моделей
• Интерес к робототехнике или применению ML в производственном программном обеспечении

Компенсация за эту совместную роль составляет от 3 600 до 4 500 канадских долларов в месяц. Это ваша возможность получить практический опыт обучения в одной из самых быстрорастущих отраслей на стыке робототехники, ИИ и промышленной автоматизации.