Computer Vision Research Engineer

Что предстоит делать

#вакансия #астана #оффлайн #workITkz #dsml, #computervision Должность: Computer Vision Research Engineer Компания: Виктори-Технолоджи https://victech.kz Город: Астана Занятость: оффлайн Оплата: от 800 000 тг. Описание вакансии:

• Разработка и внедрение ML-моделей для анализа видео и аудио данных;
• Детекция и классификация эмоций и психофизиологических состояний (стресс, ложь, страх, гнев, нервозность) на основе мимики, микродвижений, жестов, тембра голоса и интонации;
• Построение пайплайнов для предварительной обработки видео/аудио, извлечения признаков (landmarks, аудио-эмбеддингов, спектрограмм);
• Разработка и внедрение моделей с использованием CNN, RNN, Transformer, Audio/Video Fusion, LLM/RAG-архитектур для интерпретации результатов;
• Разработка методик валидации моделей, включая синхронизацию аудио и видео, cross-validation, оценку метрик (accuracy, precision, recall, F1-score);
• Эксперименты с различными нейросетевыми архитектурами (Vision Transformers, Audio Transformers, Bi-LSTM/GRU);
• Исследование методов интерпретируемости и объяснимости моделей для юридически значимых выводов (Explainable AI);
• Проведение ревью кода существующих ML-моделей и оценка качества реализации;
• Оптимизация, улучшение и изменение архитектуры моделей для повышения точности, стабильности и производительности;
• Поддержка моделей в продакшн-среде, мониторинг результатов и устранение багов;
• Разработка API и механизмов для передачи интерпретированных результатов моделей в действующие системы.

Что ждём от вас

• Опыт работы 3+ лет в ML/CV/NLP/RAG, предпочтительно в проектах с анализом видео/аудио;
• Глубокое понимание компьютерного зрения, обработки аудио и мультимодальных данных;
• Опыт работы с PyTorch/TensorFlow;
• Опыт разработки и внедрения CNN, RNN, Transformer, Vision/Audio Transformers, multimodal fusion;
• Практические знания по подготовке данных, аугментации, извлечению признаков (landmarks, спектрограммы, embeddings);
• Опыт работы с RAG-архитектурой или LLM для интерпретации результатов ML-моделей;
• Опыт интеграции ML-моделей через API с внешними системами;
• Опыт работы с пайплайнами ML, MLOps, Docker.

Что предлагаем