ACADEMIC WORK SWEDEN AB - Logo

Machine Learning Engineer till banbrytande inomhusnavigering

ACADEMIC WORK SWEDEN AB

Stockholms län, Stockholm

Tidigare erfarenhet är önskad

173 dagar kvar
att ansöka till jobbet

Som Machine Learning Engineer hos tt2 kommer du att vara en nyckelaktör i att forma framtiden för inomhusnavigering genom banbrytande teknik. Vi söker en passionerad individ med starka kunskaper inom maskininlärning och statistisk modellering. Denna roll erbjuder en stimulerande miljö där teoretiska diskussioner och "trial and error"-metoder är vardag, vilket ger dig möjlighet att kontinuerligt utforska och förbättra metoder för inomhuspositionering. Hos oss blir du en del av ett dynamiskt team där du har inflytande i alla stadier av utvecklingsprocessen, från initiala koncept till färdiga modeller. Om du är redo för en spännande utmaning, välkommen att ansöka!

Om tjänsten

tt2 AB har tagit fram en banbrytande lösning för positionering i miljöer där GNSS/GPS-signaler inte är tillförlitliga eller utsätts för störningar (t.ex. inomhus, under jord eller vid elektronisk krigföring). Systemet är mjukvarubaserat och designat för att köras på kommersiell hårdvara, såsom smartphones. Vår produkt är en s.k. "dual use"-teknologi som används inom både den civila marknaden och försvarsområdet. Rollen innebär att du blir en nyckelperson i vårt lilla utvecklingsteam, där alla bidrar direkt till tekniken och företagets framdrift.

Du erbjuds

  • En plats i en växande startup där du blir en del av ett kompetent och engagerat team
  • Möjligheten att vara en del av en spännande utvecklingsresa där kreativitet och idéer uppmuntras
  • Arbetsuppgifter som sträcker sig från konceptualisering till implementation av positioneringssystemet

Arbetsuppgifter

  • Att utveckla positioneringssystemet från tanke till färdig modell
  • Arbeta aktivt med positionering och ta fram fysikaliska/matematiska/ML-modeller från grunden och sedan implementera och testa dessa
  • Kontinuerligt testa och evaluera metoder för att göra IPS (Innhus Positionering System) bättre

Vi söker dig som

  • Har en civilingenjörsexamen inom teknisk fysik eller teknisk matematik med inriktning mot maskininlärning eller relaterade områden
  • Besitter goda kunskaper i Python och PyTorch samt erfarenhet av att utveckla matematiska modeller och maskininlärningsalgoritmer
  • Är bekväm med både traditionella och djupinlärda metoder
  • Besitter kunskaper inom reglerteknik
  • Har erfarenhet av objektorienterad programmering (t.ex. Java/Kotlin, C++)
  • Kan kommunicera flytande på svenska och engelska
  • Har kunskaper i Linux, git eller MLOps (meriterande)

För att lyckas i rollen har du följande personliga egenskaper:

  • Strukturerad och självgående
  • Problemlösande och resultatinriktad
  • Motiverad av att arbeta varierat och lösningsorienterat

Vår rekryteringsprocess

Denna rekryteringsprocess hanteras av Academic Work och vår kunds önskemål är att alla frågor rörande tjänsten skickas till Academic Work.

Vi tillämpar löpande urval och kommer plocka ner annonsen när tillräckligt många kandidater har nått slutskedet i rekryteringsprocessen. Rekryteringsprocessen innehåller två urvalstest: ett personlighetstest och ett test i kognitiv förmåga. Testerna är ett verktyg för att kunna hitta den kandidat med högst potential för tjänsten samt främja jämlikhet, mångfald och en rättvis rekryteringsprocess.

🖐 Passar detta jobb någon du känner?
Dela

Andra jobb inom samma område

Kanske kan det vara dags att bredda sökningen med dessa lediga jobb

Sökord / Yrke
Liknande jobb
Senaste artiklarna
  • Inflationen - Inflationen maj 2026 – KPIF ökar till 1,5 procent
    Tors, 4 jun 2026 - 08:30
  • Opinionen - Demoskop 28 maj 2026: Socialdemokraterna tappar, MP och KD ökar
    Tors, 28 maj 2026 - 19:35
  • Rabattkod - Upp till 25% rabatt på upplevelser till mamma – Fira mors dag med Live it
    Tis, 26 maj 2026 - 12:00
  • Tips - Skapa en professionell hemsida med AI – därför byggde jag Deffe.com
    Tis, 19 maj 2026 - 22:28
  • Kommun - ödeshög kommun – fakta & statistik
    Tis, 19 maj 2026 - 00:35