KA
KAMAZ Диджитал – компания-создатель цифровых решений для управления производством и транспортом
CV/ML-инженер (Middle+)
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
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