Machine Learning Engineer

English version below, French version will follow:

About Us

Citylogix Inc. (previously named StreetScan) is a premier data and analytics company serving smart cities in enhancing their transportation infrastructure. Utilizing advanced LiDAR, 360° imaging, and AI analytics, we create detailed digital maps and conduct infrastructure assessments with our GIS-based software, Streetlogix. Our mission is to empower municipalities with sustainable, data-driven decision-making tools for better infrastructure management.

We are seeking a highly skilled Machine Learning Engineer with expertise in geospatial data and LiDAR to join our team! The ideal candidate will have a strong background in developing and deploying machine learning models for geospatial applications, with hands-on experience in processing LiDAR and satellite imagery data. You will work closely with the R&D team to create innovative solutions for geospatial analysis, object detection, and 3D mapping.

Key Responsibilities:

• Develop, train, and deploy machine learning models for geospatial and LiDAR data processing.
• Design and implement algorithms for feature extraction, object detection, classification, and segmentation of LiDAR point clouds and satellite imagery.
• Process and analyze large-scale geospatial datasets, including aerial imagery, LiDAR scans, and GIS data.
• Optimize deep learning and traditional ML models for computational efficiency and scalability.
• Collaborate with cross-functional teams to integrate ML solutions into geospatial applications.
• Work with cloud-based platforms (AWS, GCP, or Azure) for scalable data processing and model deployment.
• Stay up-to-date with the latest advancements in machine learning, remote sensing, and geospatial technologies.

Qualifications & Skills:

• Bachelor's, Master's, or PhD in Computer Science, Data Science, Geospatial Science, Remote Sensing, or a related field.
• Strong proficiency in Python and ML libraries (TensorFlow, PyTorch, Scikit-learn, etc. ).
• Experience with LiDAR data processing and tools such as PDAL, PCL, or LAStools.
• Knowledge of GIS tools and libraries such as QGIS, GDAL, or ArcGIS.
• Hands-on experience in deep learning for image and point cloud analysis.
• Proficiency in working with cloud computing platforms and containerization (Docker, Kubernetes).
• Experience with databases and big data frameworks (PostGIS, Spark, Hadoop) for geospatial data.
• Strong problem-solving and analytical skills with the ability to work independently and in a team.

Nice-to-Have's

• Experience with 3D reconstruction, SLAM (Simultaneous Localization and Mapping), or sensor fusion techniques.
• Familiarity with OpenCV, Open3D, and similar libraries for 3D data manipulation.
• Knowledge of real-time processing of geospatial data using edge computing.
• Understanding of computer vision techniques for geospatial applications.

Benefits & Perks:

• Competitive salary and performance-based bonuses.
• Health, dental, and vision insurance.
• Opportunities for professional development.

If you are passionate about machine learning and geospatial data, and want to work on innovative solutions using LiDAR and remote sensing technologies, we'd love to hear from you! Apply now and join our dynamic team.

How to Apply:
Interested candidates should send their resume and cover letter to steffi. ung@streetscan. com with the subject line 'Machine Learning Engineer Application - [Your Name]'.

Version française:

A propos de Citylogix

Citylogix Inc. (anciennement dénommée StreetScan) est une société de données et d'analyse de premier plan au service des villes intelligentes pour l'amélioration de leurs infrastructures de transport. En utilisant le LiDAR avancé, l'imagerie à 360° et l'analyse de l'IA, nous créons des cartes numériques détaillées et menons des évaluations d'infrastructures avec notre logiciel basé sur le SIG, Streetlogix. Notre mission est d'habiliter les municipalités avec des outils de prise de décision durables et axés sur les données pour une meilleure gestion des infrastructures.

Description du poste :

Nous sommes à la recherche d'un ingénieur en apprentissage automatique hautement qualifié avec une expertise en données géospatiales et LiDAR pour rejoindre notre équipe ! Le candidat idéal aura une solide expérience dans le développement et le déploiement de modèles d'apprentissage automatique pour les applications géospatiales, avec une expérience pratique dans le traitement des données LiDAR et d'imagerie satellite. Vous travaillerez en étroite collaboration avec l'équipe R&D afin de créer des solutions innovantes pour l'analyse géospatiale, la détection d'objets et la cartographie 3D.

Principales responsabilités :

• Développer, former et déployer des modèles d'apprentissage automatique pour le traitement des données géospatiales et LiDAR.
• Concevoir et mettre en œuvre des algorithmes pour l'extraction de caractéristiques, la détection d'objets, la classification et la segmentation de nuages de points LiDAR et d'images satellite.
• Traiter et analyser des ensembles de données géospatiales à grande échelle, y compris l'imagerie aérienne, les scans LiDAR et les données SIG.
• Optimiser l'apprentissage profond et les modèles ML traditionnels pour l'efficacité de calcul et l'évolutivité.
• Collaborer avec des équipes interfonctionnelles pour intégrer des solutions de ML dans des applications géospatiales.
• Travailler avec des plateformes basées sur le cloud (AWS, GCP ou Azure) pour un traitement de données évolutif et le déploiement de modèles.
• Se tenir au courant des dernières avancées en matière d'apprentissage automatique, de télédétection et de technologies géospatiales.

• Qualifications et compétences :
  
• Baccalauréat, maîtrise ou doctorat en informatique, science des données, science géospatiale, télédétection ou dans un domaine connexe.
• Forte maîtrise de Python et des bibliothèques de ML (TensorFlow, PyTorch, Scikit-learn, etc. ).
• Expérience du traitement des données LiDAR et d'outils tels que PDAL, PCL ou LAStools.
• Connaissance des outils et bibliothèques SIG tels que QGIS, GDAL ou ArcGIS.
• Expérience pratique de l'apprentissage profond pour l'analyse d'images et de nuages de points.
• Compétence dans le travail avec les plateformes de cloud computing et la conteneurisation (Docker, Kubernetes).
• Expérience des bases de données et des cadres de big data (PostGIS, Spark, Hadoop) pour les données géospatiales.
• Solides compétences en matière de résolution de problèmes et d'analyse, avec la capacité de travailler de manière indépendante et en équipe.

Ce qu'il faut savoir

• Expérience de la reconstruction 3D, du SLAM (localisation et cartographie simultanées).