AI-помощник: сопроводительное письмо, адаптация резюме, тренировка собеседованияПерейти ↓
Описание вакансии
О проекте
Мы разрабатываем интеллектуальные системы на базе современных embedded-платформ и алгоритмов машинного обучения для задач восприятия окружающей среды и управления роботизированными комплексами. Команда занимается созданием систем мультимодальной детекции, объединяющих данные с оптических сенсоров, аудиосистем и других источников информации.
В рамках проекта разрабатываются ML-модели для обнаружения, классификации и анализа объектов по изображениям, звуковым сигналам и различным признакам среды. Полученные данные используются для принятия решений системой управления и взаимодействия с исполнительными механизмами.
Обязанности
•Разработка, обучение и оптимизация моделей машинного обучения для задач компьютерного зрения и обработки аудиосигналов.
•Создание алгоритмов оптической детекции: обнаружение объектов, анализ контуров, движения, контраста, текстур и других визуальных признаков.
•Разработка моделей для обработки звуковых сигналов: детекция событий, классификация источников звука, выделение полезных сигналов на фоне шумов.
•Подготовка и обработка датасетов: сбор данных, разметка, аугментация, анализ качества выборок.
•Настройка и оптимизация нейросетей для работы в режиме реального времени на embedded-платформах (NVIDIA Jetson и аналогичные системы).
•Интеграция ML-моделей с программным обеспечением системы сбора данных и управления исполнительными механизмами.
•Проведение экспериментов, оценка качества моделей, поиск и устранение ошибок детекции.
•Оптимизация производительности моделей с учетом ограничений вычислительных ресурсов и требований к задержкам.
Требования
•Образование в области машинного обучения, компьютерных наук, математики, робототехники, электроники или смежных направлений.
•Опыт разработки и внедрения ML-моделей от 2 лет.
•Уверенное владение Python.
•Опыт работы с ML-фреймворками: PyTorch и/или TensorFlow.
•Понимание принципов работы нейронных сетей для задач компьютерного зрения и обработки сигналов.
•Опыт работы с алгоритмами детекции и классификации объектов (CNN, YOLO, SSD, Faster R-CNN и аналоги).
•Знание методов обработки изображений: фильтрация, сегментация, выделение признаков, анализ контраста и границ объектов.
•Опыт работы с аудиоданными: спектральный анализ, FFT, Mel-спектрограммы, классификация звуковых событий.
•Навыки работы с OpenCV и библиотеками обработки данных (NumPy, Pandas, SciPy).
•Понимание принципов подготовки датасетов и оценки качества моделей (precision, recall, mAP, F1-score).
•Умение работать с Linux-средой и системами контроля версий (Git).
•Способность работать самостоятельно, проводить исследования и доводить решения до работающего прототипа.
Будет преимуществом
•Опыт разработки ML-решений для embedded-платформ NVIDIA Jetson.
•Знание инструментов оптимизации моделей: TensorRT, ONNX, CUDA.
•Опыт работы с камерами, тепловизорами, лидарами, радарами и другими сенсорами.
•Опыт построения мультимодальных моделей, объединяющих данные от нескольких типов сенсоров.
•Опыт работы с задачами трекинга объектов, оценки положения объектов в пространстве и sensor fusion.
•Опыт обработки аудио в реальных условиях: шумы, эхосигналы, удаление помех.
•Опыт разработки систем реального времени для робототехнических комплексов.
Условия
•Современный офис и оснащенная лаборатория для разработки и тестирования робототехнических систем.
•Постоянный доступ к оборудованию: NVIDIA Jetson, камеры различного типа, микрофонные массивы, сенсоры и вычислительные платформы.
•Работа над сложными задачами на стыке машинного обучения, компьютерного зрения, обработки сигналов и робототехники.
•Возможность влиять на архитектуру решений и участвовать в полном цикле разработки — от исследования идеи до внедрения в реальную систему.
•Возможности для профессионального роста, обучения и развития экспертизы в области AI и embedded ML.
