← К каталогу
KA

KAMAZ Диджитал – компания-создатель цифровых решений для управления производством и транспортом

CV/ML-инженер (Middle+)

УдалённоMiddleМосква, Россия16 ч назад
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ

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.

Последнее подтверждение13 мин. назад
Впервые замечена16 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Функциональные обязанности

  • Развитие прод-сервисов компьютерного зрения полного цикла: детекция людей и объектов, multi-object tracking, ReID, action recognition, embedding-поиск по каталогу деталей.
  • Обучение и дообучение моделей: детекторы (YOLO11/YOLOv12, ultralytics), ReID-эмбеддеры (DINOv3 + LoRA, metric learning), видеомодели распознавания действий (VideoMAE/ViT).
  • Оптимизация инференса под прод: экспорт в ONNX, TensorRT (FP16/BF16, engine cache), батчинг, latency-бюджет, потребление GPU-памяти на многочасовых видео.
  • Доработка алгоритмического ядра трекинга (собственные реализации BoostTrack / BoT-SORT / ByteTrack): ассоциация, фильтр Калмана, компенсация движения камеры, восстановление треков по эмбеддингам.
  • Согласование со смежными командами и заказчиком контрактов API и сообщений.
  • Выезды на производственные площадки заказчиков: сбор данных, внедрение и сопровождение решений.

Требования

  • Коммерческая разработка на Python от 3 лет, уверенное владение numpy и OpenCV.
  • Решения в области компьютерного зрения, выведенные в прод. Детекция объектов обязательна; трекинг (MOT) и/или metric learning / ReID — сильный плюс.
  • Практический опыт обучения и дообучения нейросетей (PyTorch, ultralytics): аугментации, подбор гиперпараметров, диагностика переобучения, работа с несбалансированными данными.
  • Умение самостоятельно выстроить оценку качества: выбрать метрику под задачу, собрать ground truth, воспроизводимо измерить и подтвердить улучшение цифрами.
  • Опыт продакшн-инференса: ONNX Runtime и/или TensorRT.
  • Опыт работы с брокерами и хранилищами: RabbitMQ или Kafka, Redis, S3.
  • Инженерная культура: git-flow и code review, линтеры и типизация (ruff/black/mypy), структурированное логирование, конфигурация через YAML/env вместо хардкода.
  • Самостоятельность: команды небольшие, задача приходит в бизнес-формулировке, а не готовым ТЗ.
  • Готовность к командировкам.

Будет преимуществом:

  • опыт работы с ClearML;
  • Docker, Kubernetes, CI/CD;
  • …

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / Data Scientist / RU