Digital Twin Developer | Specjalista ds. Cyfrowego Bliźniaka (k/m)

Pod marką A1 Sorter tworzymy innowacyjne urządzenia automatyki magazynowej. Realizujemy projekty dla klientów w całej Europie, współpracując z liderami branży logistyki magazynowej. Nasza działalność łączy technologię z praktyką biznesową, rozwijając systemy wspierające działanie urządzeń z obszaru logistyki magazynowej.

• Wykształcenie wyższe: Informatyka, automatyka, matematyka, fizyka lub pokrewne kierunki
• Minimum 5 lat doświadczenia
• Doświadczenie w implementacji systemów symulacyjnych, algorytmów analizy danych oraz komponentów AI w środowiskach przemysłowych lub badawczych
• Znajomość programowania w Python, C#, C++ oraz doświadczenie z Unity lub innymi narzędziami do budowy środowisk 3D, animacji obiektów i wizualizacji w czasie rzeczywistym
• Umiejętność implementacji modeli symulacyjnych odwzorowujących zachowanie robotów i urządzeń automatyki przemysłowej
• Praktyczna znajomość uczenia maszynowego: klasyfikacja, regresja, detekcja anomalii, klasteryzacja, podstawy RL oraz bibliotek: PyTorch, TensorFlow/Keras, scikit-learn, pandas, NumPy
• Doświadczenie w pracy z modelami grafowymi, agentowymi oraz podstawowymi modelami optymalizacyjnymi w systemach logistycznych
• Znajomość zastosowania akceleracji GPU w procesie uczenia modeli, symulacji lub przetwarzania danych (PyTorch GPU, TensorFlow GPU, CUDA)

• Implementacja systemów symulacyjnych odwzorowujących zachowanie robotów i urządzeń wykonawczych w środowisku wirtualnym (Unity lub równoważne)
• Budowa, trening i walidacja modeli uczenia maszynowego (klasyfikacja, regresja, detekcja anomalii, klasteryzacja, RL) z wykorzystaniem bibliotek PyTorch, TensorFlow/Keras, scikit-learn
• Projektowanie i implementacja modeli grafowych, agentowych oraz podstawowych modeli optymalizacyjnych opisujących zachowanie systemu logistycznego
• Analiza danych z systemu fizycznego (pandas, NumPy), wizualizacja wyników i walidacja zgodności modeli symulacyjnych z rzeczywistością
• Implementacja akceleracji GPU w procesie uczenia modeli, symulacji i przetwarzania danych - optymalizacja wydajności obliczeniowej całego modułu
• Współpraca przy integracji opracowanych modeli z warstwą aplikacyjną cyfrowego bliźniaka, dokumentowanie kodu i wyników eksperymentów