Инженер по компьютерному зрению

Должностные обязанности:

• Развитие проектов компьютерного зрения: - Участие в формировании и реализации проектов CV для производственных площадок; - Совместно с бизнес-заказчиками формализация задачи; - Проведение технической оценки реализуемости новых CV-кейсов;
• Техническое управление подрядчиками: - Поиск и техническая оценка подрядчиков и готовых решений в области компьютерного зрения. - Подготовка технических требований и заданий на разработку/пилотирование CV-решений. - Контроль разработки и внедрения, проведение технической приемки результатов. - Организация пилотов и испытаний, формирование объективных критериев качества: precision/recall, количество ложных срабатываний, доля корректно обработанных событий, ошибка измерения и т. п. - Контроль передачи исходного кода, моделей, документации, конфигураций и иных необходимых материалов от подрядчиков;
• Эксплуатация существующих CV-систем: - Техническое сопровождение действующих систем компьютерного зрения ; - Выполнение небольших изменений и исправлений самостоятельно либо постановка задачи подрядчику;
• Техническое развитие и стандартизация - Формирование единых технических требований к новым CV-решениям компании; - Контроль версий моделей и программных компонентов, документации и конфигураций; - Участие в масштабировании успешных пилотов на производственные площадки; - Постепенное снижение зависимости от подрядчиков за счет накопления внутри компании технической документации, исходного кода и компетенций.

Требования к кандидату:

- Высшее техническое образование (информационные технологии; прикладная математика / информатика; программная инженерия);

- Опыт работы от 3 лет в Computer Vision / ML / разработке или сопровождении программно-аппаратных систем.

Желательно:

- опыт промышленного внедрения CV;

- опыт взаимодействия с подрядчиками или технического ведения проектов;

Понимание основных задач CV: классификация, детекция, сегментация, трекинг;

Понимание жизненного цикла ML/CV-модели;

Опыт работы с PyTorch либо аналогичным ML-фреймворком; OpenCV;

Понимание инференса и особенностей работы моделей на GPU;

Понимание принципов работы IP-камер;

Понимание влияния ракурса, фокусного расстояния, освещения, движения и качества изображения на CV;