Ledigt jobb: Systemutvecklare/Programmerare

Arbeta i kärnan av vad som gör Dentail AI kliniskt trovärdigt — detektionsmodellerna som identifierar patologier och andra fynd i dental röntgenbilder med en noggrannhet som möter eller överträffar specialistprestation. Du kommer att äga hela ML-livscykeln, från forskning och träning till produktionsinferens och kontinuerlig utvärdering. Dentails AI-motorer är en ensemble av flera ML-modeller som interagerar genom sammankopplade logiska lager, vilket gör att denna roll belönar både djup i modellering och systemtänkande.

Vad du kommer att göra

• Designa anpassade modellarkitekturer för dental avbildning — kombinera och utöka konvolutionella, transformer-baserade och multitask-approacher för detektion av karies, periapikal patologi, benförlust och andra fynd över intraorala och panoramiska röntgenbilder.
• Underhåll och förbättra vår tränings- och utvärderingsinfrastruktur — datapipelines, annoteringsverktyg, experimentspårning och modellversionering.
• Samarbeta med Dr. Alexander Johansson (CMO) och vårt medicinska rådgivarnätverk för att designa kliniskt meningsfulla utvärderingsbenchmark och översätta peer-reviewade fynd till konkreta modellförbättringar.
• Driv rigorös modellutvärdering — precision, recall, kalibrering och känslighets/specificitetsavvägningar per patologi på verklig klinisk data.
• Optimera modellinferens för produktion: latens, genomströmning, kvantisering och hårdvarueffektiv distribution.
• Bidra till forskningsriktningen: vad som ska byggas näst, vilka problem som är hanterbara och hur man mäter framgång.

Vad vi letar efter

• Masterexamen inom ett relevant område (datorvision, djupinlärning eller liknande); doktorsexamen välkomnas.
• 4+ års erfarenhet av maskininlärning fokuserad på datorvision, med minst 2 års erfarenhet av att leverera modeller i produktion.
• Djup behärskning av PyTorch; erfarenhet av objektetektionsramverk (YOLO, DETR eller liknande) och inferensoptimering (ONNX, TensorRT, kvantisering) är ett plus.
• Meriterande spår av att designa eller modifiera modellarkitekturer för specifika problem — inte bara finjustering av färdiga modeller.
• Stark förståelse för utvärderingsmetodik — inte bara benchmark-metrider, utan känslighets/specificitetsavvägningar i klassificering med höga stakes.
• Kunskap om medicinsk avbildning (DICOM, röntgenmodaliteter) är en fördel.