A Johnson & Johnsonnál a technológiát és az együttműködés erejét használjuk, hogy új módszereket fedezzünk fel a világ’legjelentősebb egészségügyi kihívásainak megelőzésére és leküzdésére. Vállalati, fogyasztói egészségügyi, orvosi eszközökkel és gyógyszerészeti csapataink az adatok, a valós világból származó betekintések és a kreatív elmék felhasználásával életet megváltoztató egészségügyi termékeket és gyógyszereket készítenek. Felborítjuk az elavult egészségügyi ökoszisztémákat, és átformáló ötletekkel töltjük be, hogy az emberek életük minden szakaszában boldoguljanak. Mivel naponta több mint egymilliárd embert ér el,’az itt elért hatásoknak nincs határa. Készen áll arra, hogy újragondolja az egészségügyet? Itt, karrierje áttörései megváltoztatják az egészségügy jövőjét, a legjobb módon. És te is megváltozol. Ön’ihletet kap, és’szerte a világon arra ösztönzi az embereket, hogy változtassák meg azt, ahogyan magukról és szeretteikről gondoskodnak. Erősítse meg hatását. Csatlakozzon hozzánk! Az Auris Health, Inc., a Johnson & Johnson cégcsalád része, újradefiniálja az orvosi beavatkozásokat. Az orvosi robotika, a műszerezés, a navigáció és az adattudomány terén elért eredmények ötvözésével az Auris olyan intelligencia platformokat épít, amelyek képesek növelni a robotika alkalmazhatóságát az orvosi eljárások új spektrumában. Szorgalmas személyt keresünk gépi tanulási gyakornoki pozícióra az Algoritmusok/ AI csapat az Auris Health-nél. Gyakornokként szorosan együttműködik más ML mérnökökkel, kutatókkal és szoftvermérnökökkel az Algorithms/AI csapatban, hogy új megoldásokat fejlesszenek ki a gépi tanulás, a számítógépes látás és a robotos navigáció területén. Ez nagyszerű lehetőség lesz arra, hogy fejlessze tudását izgalmas problémák megoldásában, és hozzájáruljon a következő generációs robotos bronchoszkópos platformok technológiai fejlesztéséhez. Alapvető munkaköri kötelezettségek: Gépi tanulási, lokalizációs és számítógépes látási algoritmusok fejlesztése, megvalósítása és tesztelése multimodális adatkészletekkel a sebészeti ismeretek és a munkafolyamatok felismeréséhez. Teljesítménymérők tervezése, fejlesztése és kinyerése a robotos bronchoszkópiás adatok automatizált elemzéséhez Fejlesztés új multimodális klinikai adatkészletek és új adatfeldolgozási architektúrák megvalósítása Kísérlettervezés, tesztelés és gépi tanulási algoritmusok teljesítményének elemzése, valamint a különböző algoritmusok összehasonlítása Új algoritmusok integrálása meglévő és jövőbeli adat- és gépi tanulási folyamatokba Szoros együttműködés más kutatókkal , ML mérnökök és SW mérnökök a megoldások Auris termékekbe és alkalmazásokba való átültetésére Képesítések PhD-jelölt vagy mesterfokozat számítástechnika, villamosmérnöki, orvosbiológiai mérnöki vagy ezzel egyenértékű szakterületen. Tapasztalat és ismerete a legmodernebb lokalizációs, robot- és számítógépes látás a lgoritmusok és statisztikai modellek az adatelemzéshez Gyakorlati tapasztalat gépi tanulási/mély tanulási keretrendszerekkel (pl. PyTorch, Tensorflow) Professzionális tapasztalat