Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Ведущий инженер по компьютерному зрению
Частная Компания TargetAi Limited
Основные требования
1. Опыт 4+ лет в Computer Vision/Video Analytics. 2. Отличное понимание работы:- CNN, YOLO, SSD- Face recognition pipelines- OCR/ALPR 3. Большой опыт работы с: PyTorch или TensorFlow, OpenCV, ONNX. 4. Понимание работы видеоформатов и потоков: RTSP, codecs (H.264/H.265), FPS, bitrate, latency. 5. Опыт оптимизации под CPU-only inference. 6. Опыт работы с Linux. 7. Глубокое понимание:- OpenVINO- Логики работы с edge-устройствами- C++ для performance-critical частей- Kafka- gRPC/REST 8. Навыки MLOps: MLflow, model versioning, monitoring. 9. Опыт работы с large-scale CCTV проектами.
Чем предстоит заниматься
1. Проектирование и развитие CV/Video Analytics моделей: детекция объектов (person, vehicle, face и др.), трекинг, распознавание (лица, госномера, атрибуты). 2. Работа с video pipelines:- RTSP/HTTP- decoding, frame sampling, batching 3. Адаптация и кастомизация моделей под реальные условия: плохое освещение, разные углы камер, шумы, сжатие, FPS drops. 4. Fine-tuning и дообучение моделей под конкретные сценарии заказчиков. 5. Оптимизация inference под CPU. 6. Снижение latency и потребления ресурсов. 7. Балансировка точности vs производительности. 8. Интеграция ML-моделей в production: backend-сервисы, edge-устройства, on-prem инсталляции. 9. Мониторинг качества моделей:- precision/recall- drift данных 10. Подготовка и анализ датасетов: разметка, валидация, data augmentation. 11. Построение пайплайнов обучения и тестирования. 12. Анализ ошибок моделей и деградации качества.
Что мы предлагаем
- Покрытие медицинских услуг; - Компенсация занятий спортом; - Доступ к образовательной платформе с мини-курсами и полными программами по разным направлениям.
Город или область: г.Астана
График работы: Гибкий график
Тип занятости: Полная занятость
Образование: Высшее - Бакалавр
Опыт работы: Не менее 3 лет
Направление: Информационные технологии
задачи
Проектирование и развитие CV/Video Analytics моделей: детекция объектов (person, vehicle, face и др.), трекинг, распознавание (лица, госномера, атрибуты);
Работа с video pipelines:- RTSP/HTTP- decoding, frame sampling, batching;
Адаптация и кастомизация моделей под реальные условия: плохое освещение, разные углы камер, шумы, сжатие, FPS drops;
Fine-tuning и дообучение моделей под конкретные сценарии заказчиков;
Оптимизация inference под CPU;
Снижение latency и потребления ресурсов;
Балансировка точности vs производительности;
Интеграция ML-моделей в production: backend-сервисы, edge-устройства, on-prem инсталляции;
Мониторинг качества моделей:- precision/recall- drift данных;
Подготовка и анализ датасетов: разметка, валидация, data augmentation;
Построение пайплайнов обучения и тестирования;
Анализ ошибок моделей и деградации качества.
требования
Опыт 4+ лет в Computer Vision/Video Analytics;
Отличное понимание работы:- CNN, YOLO, SSD- Face recognition pipelines- OCR/ALPR;
Большой опыт работы с: PyTorch или TensorFlow, OpenCV, ONNX;
Понимание работы видеоформатов и потоков: RTSP, codecs (H.264/H.265), FPS, bitrate, latency;
Опыт оптимизации под CPU-only inference;
Опыт работы с Linux;
Глубокое понимание:- OpenVINO- Логики работы с edge-устройствами- C++ для performance-critical частей- Kafka- gRPC/REST;
Навыки MLOps: MLflow, model versioning, monitoring;
Опыт работы с large-scale CCTV проектами.
условия
Покрытие медицинских услуг;
Компенсация занятий спортом;
Доступ к образовательной платформе с мини-курсами и полными программами по разным направлениям.