Computer Vision (Data Science) инженер

🏢 ОфисJuniorПолная занятость

Зарплата не указана

Вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Мы – команда «Видеоаналитика» платформы SmartView, позволяющей обрабатывать видеопоток с более чем 300 000 камер видеонаблюдения. Основная задача нашей команды – разработка и внедрение AI моделей компьютерного зрения для нужд различных подразделений Сбера, использующих платформу. Мы разрабатываем как сами CV модели, так и платформенный функционал, обеспечивающий их работу, производящий постобработку модельных детекций, извлекающий дополнительные аналитики.

Чем предстоит заниматься

Анализ задач на разработку CV моделей, подбор архитектуры, формирование требований к данным

Работа с данными для обучения: анализ, сбор, оценка данных для обучения, подготовка инструкций для команды разметки, оценка качества разметки

Разработка, обучение моделей компьютерного зрения

Проверка качества работы моделей, принятие решений о доработках, дообучении

Взаимодействие с другими участниками команды (DevOps, backend dev) в части обеспечения взаимодействия модели с бек сервисами и разворачивания модели на тестовых и промышленных стендах

Мониторинг работы моделей на Пром: оценка качества, локализация false сработок, принятие решения о методе повышения качества, доработка или дообучение моделей

Сопровождение моделей в части показателей эксплуатации: анализ показателей производительности, наличия сбоев и т.п. Участие в расследовании инцидентов, выполнение регламентных работ в части повышения версий библиотек и т.п.

Наши требования

Опыт промышленной разработки CV моделей от 2 лет

Твердые знания в области архитектуры высоконагруженных систем, их компонентов и методов их интеграции: микросервисная архитектура, Docker, gRPC, REST, kafka, и т.д.

Уверенное знание Python (фреймворки AIOhttp, fastapi, triton), а также опыт работы с CV фрейморками (PyTorch, OpenCV, PIL)

Практический опыт обучения CV-моделей: детекторы (YOLO, DETR), классификаторы (ResNet, EfficientNet, ViT), опыт решения задач object detection, сегментации в реальном времени

Понимание базовых концепций deep learning в CV контексте: лоссы, оптимизаторы, регуляризация, метрики (mAP, F1, IoU, precision, recall)

Опыт эксплуатации open source VLM моделей, эмбеддинг моделей (image – image, image - text): QWEN, CLIP, DINO v3, SigLIP

Навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом

Опыт работы с фреймворками для обработки видео GStreamer, FFmpeg

Опыт работы с инструментами разметки (CVAT)