ML инженер

Инженерная команда специализируется на прикладном машинном зрении и видеоаналитике для B2B в промышленности, логистике и ритейле. Внедряет решения для реальных объектов: от контроля СИЗ на стройках до мониторинга транспорта на АЗС. Фокус на Edge-аналитике, работе в закрытых локальных контурах и оптимизации инференса.

• Разрабатывать, обучать и тонко настраивать модели компьютерного зрения (обнаружение объектов, классификация, сегментация, трекинг) для видеопотоков в реальном времени;
• Оптимизировать обученные модели для быстрого инференса на локальных серверах (Edge AI) с учетом ограничений аппаратного обеспечения;
• Собирать, размечать, очищать и аугментировать датасеты под специфические бизнес-сценарии (стройплощадки, складские терминалы, АЗС);
• Интегрировать ML-модели в общую архитектуру продукта и разрабатывать API для взаимодействия с бэкендом;
• Анализировать узкие места в производительности пайплайнов обработки видео и устранять их;
• Участвовать в технологическом ресерче (R&D) для выбора оптимальных open-source библиотек с учетом требований лицензионной чистоты.

• Уверенно владеете Python и имеете опыт работы с основными ML-фреймворками (PyTorch обязательно);
• Глубоко понимаете современные архитектуры CV (семейство YOLO v8/v11, ResNet, Vision Transformers и др.);
• Имеете практический опыт оптимизации инференса моделей (ONNX, TensorRT, OpenVINO);
• Работали с библиотеками компьютерного зрения и обработки видео (OpenCV, FFmpeg, GStreamer);
• Умеете контейнеризировать ML-сервисы (Docker, Docker Compose) и работать с Git;
• Способны ясно и структурировано формулировать технические решения в коде и документации;
• Будет плюсом опыт разработки и оптимизации LLM / RAG-архитектур, знание C++ для интеграции и ускорения ML-моделей, работа с трекерами (DeepSORT, ByteTrack и аналоги).

• Нет бюрократии и микроменеджмента, ценят результат и инженерный подход;
• Реальные индустриальные задачи, код работает на заводах и терминалах;
• Гибкий график.