Senior Machine Learning Engineer - Video Understanding

Scandit Zürich

Senior Computer Vision/Machine Learning Engineer - Video/Action Recognition

Scandit verleiht Menschen Superkräfte. Ob es darum geht, Lieferanten schnellere Zustellungen zu ermöglichen, einen Patienten mit seiner Medikation abzugleichen oder Einzelhändlern zu helfen, ihre Geschäftsprozesse effizienter zu gestalten – unsere Technologie automatisiert Arbeitsabläufe. Sie liefert fundierte Erkenntnisse, die Unternehmen in einer Vielzahl von Branchen unterstützen. Kommen Sie zu uns, während wir weiter expandieren, wachsen, innovieren und dazu beitragen, Scandit auf die nächste Stufe zu heben.

Wir bauen derzeit eine neue Generation von Technologie für den Einzelhandel auf: ein computer vision-gesteuertes System, das Einzelhändlern hilft, ihre Gewinnmargen durch bessere betriebliche Einblicke und Automatisierung zu steigern. Als Senior Computer Vision Engineer werden Sie eine führende Rolle dabei spielen, dieses Produkt von 0 auf 1 zu bringen, indem Sie wichtige technische Entscheidungen treffen und End-to-End-Vision-Funktionen auf Produktionsniveau liefern.

Sie werden die technische Richtung für die Aktionserkennung in realen Einzelhandelsumgebungen verantworten: von der Definition, wie wir Videodaten sammeln und annotieren, über das Prototyping und die Evaluierung von Modellen bis hin zur Iteration von Precision, Recall und der End-to-End-Alert-Latenz unter produktionsähnlichen Bedingungen. Sie werden eng mit Produkt-, Daten- und Engineering-Stakeholdern zusammenarbeiten, um die riskantesten Annahmen schnell und kosteneffizient zu validieren.

Wenn es Ihnen Freude bereitet, mehrdeutige, wirkungsvolle Probleme in funktionierende ML-Produkte zu verwandeln – und Sie Erfahrung im Aufbau kommerzieller Computer-Vision-Systeme für Aktionserkennung, autonomes Bezahlen, Arbeitssicherheit oder ähnliche Anwendungen haben – würden wir uns freuen, mit Ihnen zu sprechen.

Über die Rolle

Als Senior Computer Vision/Machine Learning Engineer sind Sie verantwortlich für die Leitung der technischen Exploration und der frühen Entwicklung der neuen Lösung von Scandit – von der Validierung der riskantesten Annahmen bis hin zum Aufbau und der Iteration der ersten End-to-End-Prototypen. Sie werden eng mit dem Produktmanagement, anderen Engineering-Teams und externen Stakeholdern zusammenarbeiten, um reale Videodaten in robuste, datenschutzbewusste Computer-Vision-Modelle zu verwandeln, die in Live-Einzelhandelsumgebungen eingesetzt werden können.

Diese Rolle verbindet modernste CV/ML-Forschung mit realen Produktbeschränkungen – was sowohl tiefes technisches Fachwissen als auch einen pragmatischen, experimentellen Ansatz beim Aufbau produktionsreifer Systeme unter Mehrdeutigkeit und Zeitdruck erfordert.

Was Sie tun werden

• Definition und Priorisierung technischer Experimente zur Validierung zentraler Risiken (z. B. Precision, Recall, Latenz) für Computer-Vision-Modelle in Einzelhandelsgeschäften
• Design und Implementierung von End-to-End CV/ML-Pipelines auf realen Videodaten, von der Datenerfassung und Vorverarbeitung über das Modelltraining, die Evaluierung bis hin zum Deployment
• Aufbau und Verfeinerung des menschlichen Annotations-Workflows, um qualitativ hochwertige Trainings- und Testdatensätze aus Videostreams zu erstellen
• Zusammenarbeit mit Produktmanagern und Engineering-Leitern zur Klärung von Anforderungen, Abstimmung von Meilensteinen und Übersetzung von geschäftlichen Bedürfnissen in technische Roadmaps
• Auswahl, Anpassung und Optimierung von modernsten Computer-Vision-Architekturen für die Erkennung von verdächtigem Verhalten und Aktionen in unbeschränkten Umgebungen
• Übernahme der technischen Leitung im Bereich der videobasierten Computer-Vision-Anwendungen, um Best Practices und zukünftige Einstellungen für das Team mitzugestalten

Wer Sie sind

Wir suchen einen Senior Computer Vision / Machine Learning Engineer, der bereits erfolgreich reale Produkte gebaut und veröffentlicht hat, idealerweise unter Einbeziehung von Aktionserkennung in Videos. Sie kombinieren tiefes praktisches technisches Fachwissen mit einer pragmatischen, experimentellen Denkweise und fühlen sich in einem hochgradig mehrdeutigen 0→1-Produktumfeld wohl. Sie sollten Freude an der engen Zusammenarbeit mit Produkt- und Engineering-Stakeholdern haben, die technische Richtung mitgestalten und Ideen schnell iterieren, um die riskantesten Annahmen zu validieren.

• Universitätsabschluss in Informatik, Elektrotechnik, Mathematik oder einem verwandten technischen Bereich (ein fortgeschrittener Abschluss ist ein Plus, aber nicht obligatorisch)
• Umfangreiche praktische Erfahrung in Computer Vision und Machine Learning, einschließlich des Designs, Trainings, Evaluierens und Deployments von Modellen in der Produktion
• Nachgewiesene Erfolgsbilanz beim Aufbau von End-to-End CV/ML-Systemen von 0→1 (idealerweise kommerzielle Produkte statt rein akademische Projekte)
• Starke Expertise in videobasierten Pipelines und der menschlichen Aktions- oder Verhaltenserkennung (z. B. Einzelhandel, autonomes Bezahlen oder ähnliche Bereiche)
• Praktische Erfahrung mit Vision Transformern für das temporale Video-Understanding. Erfahrung in der Feinabstimmung von Vision-Language Models (VLMs) ist ein großes Plus.
• Solide Software-Engineering-Fähigkeiten (z. B. Python und moderne ML/CV-Frameworks) und Erfahrung im Umgang mit realen, verrauschten Daten
• Fähigkeit, in einem dynamischen, hochgradig unsicheren Umfeld zu arbeiten, Experimente zu priorisieren und technische Ansätze schnell zu iterieren
• Fähigkeit zur effektiven Zusammenarbeit mit funktionsübergreifenden Teams (z. B. Produkt, Backend, Daten, Operations) und zur klaren Kommunikation komplexer technischer Themen auf Englisch (Niveau B2 oder höher)
• Arbeitserlaubnis für den Beschäftigungsort

Schön zu haben:

• Erfahrung mit datenschutzbewussten oder DSGVO-konformen Datenpipelines, insbesondere für Videodaten
• Hintergrund im Aufbau oder der Auswahl von Annotations-Tools