Марс
Computer Vision / ML engineer
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Описание вакансии
О команде:
Мы разрабатываем системы компьютерного зрения, которые управляют качеством производственных процессов. Наши модели работают непосредственно на производственных линиях, влияя на выпуск продукции, производительность оборудования и качество миллионов упаковок товара для животных.
Наши решения способны обнаружить проблему, уведомить операторов, остановить производственную линию и предотвратить выпуск брака. Поэтому для нас важны не рекордные метрики на Kaggle, а надежность системы в реальной эксплуатации.
Сегодня наши решения уже работают на производстве, а следующий этап — масштабирование на десятки производственных линий и различные фабрики.
Чем предстоит заниматься:
- Разрабатывать и развивать production-ready системы Computer Vision для промышленного производства
- Создавать надежные решения для задач object detection и segmentation
- Анализировать ошибки моделей и улучшать качество системы не только за счет ML, но и за счет инженерных решений и бизнес-логики
- Разрабатывать пайплайны обучения, валидации и внедрения моделей
- Доводить модели до промышленной эксплуатации и сопровождать их после запуска
- Адаптировать существующие решения под новые производственные линии, оборудование и условия эксплуатации
- Работать над масштабированием CV-систем на десятки производственных машин
- Оптимизировать инференс под промышленное оборудование
- Разрабатывать вспомогательную логику и backend-компоненты вокруг моделей
- Совместно с инженерами производства участвовать в поиске причин возникновения дефектов и разработке систем контроля
Что мы ожидаем:
- коммерческий опыт разработки Computer Vision решений от 5 лет;
- уверенное владение Python и PyTorch;
- опыт решения задач Object Detection и Instance/Semantic Segmentation;
- опыт вывода ML-моделей в промышленную эксплуатацию;
- понимание полного жизненного цикла CV-систем — от сбора данных до эксплуатации;
- опыт анализа ошибок моделей и повышения качества…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.