Data Scientist (ML/CV, Robotics)

Что предстоит делать

<p>Swarmer разрабатывает программное обеспечение, которое делает дроны автономными и позволяет им действовать совместно, в больших координированных группах — без участия пилотов. Наша технология прошла боевую проверку в Украине — на самом интенсивном в мире полигоне для испытаний дронов.</p><p>В марте 2026 года мы стали первым украинским оборонным стартапом, вышедшим на NASDAQ, после раунда Series A на $15 млн — крупнейшей инвестиции в украинскую оборонную технологическую компанию с начала войны.</p><p>Работа в Swarmer означает деятельность на стыке инженерной строгости и фронтовой реальности. Задачи и условия сложны, а ставки очень высоки. Мы создали это программное обеспечение, чтобы дать демократическим нациям возможность защищать себя.</p><p>Если вами движет создание надежных систем, которые имеют значение, и вы хотите видеть непосредственный результат своей работы, вы найдете здесь свое призвание.<strong><br><br>Кого мы ищем:</strong></p><p>Мы ищем практикующего Data Scientist, который сможет владеть существующими ML/CV-пайплайнами и вносить в них вклад в составе стека робототехнической автономии, а также сможет взять на себя ответственность за развитие направления данных — от сбора и разметки до озер/хранилищ, обучения и оценки. Это роль с приоритетом индивидуального вклада (IC-first) и реальной зоной ответственности: вы пишете код, выпускаете модели и продуктовые решения для данных, улучшаете циклы, которые превращают полетные и симуляционные данные в более совершенную автономию.</p><p>Мы не ищем чистого исследователя, отстраненного архитектора платформ или того, кто работает только с ноутбуками. Нам нужен специалист, способный работать сквозным образом — от моделей и данных до ограничений робототехники, с сильным суждением и дисциплиной в достижении результатов.</p><p><strong>Чем вы будете заниматься:</strong></p><ul><li>Владение существующими ML/CV-процессами и вклад в них в нашем стеке автономии и восприятия для робототехники (LMT, ATR, VISNAV и связанные системы): обучение, оценка, итерации и интеграция с бортовыми/периферийными пайплайнами.</li><li>Проектирование, создание и эксплуатация потоков данных: сбор данных с полетов и симуляций, хранение (озера данных / хранилища), процессы разметки, версионирование наборов данных и воспроизводимые пайплайны обучения/оценки.</li><li>Интенсивная работа с симуляционными данными: генерация, валидация, смешивание с реальными полетными данными, измерение разрыва между симуляцией и реальностью, повышение качества наборов данных для моделей восприятия и автономии.</li><li>Повышение качества моделей в условиях полевых ограничений: зашумленные сенсоры, ограниченные вычислительные ресурсы, периферийное развертывание (например, Jetson) и эксплуатационные крайние случаи.</li><li>Тесное партнерство с инженерами по робототехнике, автономии и продукту для внедрения изменений, которые проявляются в реальных миссиях, а не только в офлайн-метриках.</li><li>Создание практических инструментов и автоматизации, ускоряющих работу команды: курирование наборов данных, отслеживание экспериментов, оценочные стенды, AI-ассистируемые рабочие процессы.</li><li>Принятие прагматичных технических решений: когда переобучать модель, когда исправлять данные, когда физика/эвристики лучше, чем очередная модель.</li></ul><p><strong>Вы нам подойдете, если у вас есть:</strong></p><ul><li>Сильный практический опыт в роли Data Scientist / ML-инженера в области компьютерного зрения, восприятия или ML для робототехники.</li><li>Подтвержденная способность владеть как работой с моделями, так и инфраструктурой данных (пайплайны, озера/хранилища, управление наборами данных) — а не только одной стороной.</li><li>Опыт обучения и оценки CV/ML-моделей (детекция, трекинг, распознавание или аналогичное) и их интеграции в реальные системы.</li><li>Уверенная работа с симуляционными данными и гибридными наборами реальных+симуляционных данных; понимание доменного разрыва и способов его измерения/сокращения.</li><li>Уверенное владение Python и современными ML-инструментами (PyTorch/TF, отслеживание экспериментов, основы работы с данными/ETL); способность писать продакшен-качество кода, а не только прототипы.</li><li>Фундаментальные знания математики и физики — комфортное мышление о сенсорах, геометрии, динамике и физическом мире, прежде чем по умолчанию предлагать «давайте обучим модель».</li><li>Опыт развертывания или подготовки моделей для периферийных / встроенных платформ (например, Jetson, Qualcomm) является существенным плюсом; опыта работы только с облаком недостаточно.</li><li>Реальный опыт активного пользователя AI-инструментов для разработки (Cursor, Claude Code, Codex или аналогичных) и готовность использовать их ежедневно.</li><li>Уровень английского Upper-Intermediate или выше.</li><li>Способность действовать с высокой степенью ответственности в быстро меняющейся среде: выпускать, измерять, итерировать.</li></ul><p><em><strong>Будет преимуществом:</strong></em></p><ul><li>Глубокие знания в области ATR, распознавания объектов, трекинга или автономных систем.</li><li>Опыт работы в среде робототехники, дронов, аэрокосмической или оборонной / операционной (OT) отраслей.</li><li>Опыт интеграции аппаратного и программного обеспечения.</li><li>Создание или масштабирование платформ данных для ML-команд (озера, хранилища, хранилища признаков/наборов данных, операции разметки).</li><li>Опыт замыкания цикла: полевые журналы → наборы данных → модели → повторно развернутая автономия.</li></ul><p><strong>Что вы получите:</strong></p><ul><li>Возможность формировать ключевые системы автономии и восприятия в сердце экосистемы оборонных технологий Украины и ее международной экспансии</li><li>Прямое влияние в отрасли с высокими ставками, где решения в области безопасности имеют реальные последствия</li><li>Профессиональный рост благодаря передовым оборонным технологиям и знакомству с международными лучшими практиками в области безопасности</li><li>Конкурентоспособная зарплата, социальный пакет (страхование, оплачиваемые больничные, 20 оплачиваемых дней отпуска в год)</li><li>Преимущества оборонного сектора (бронирование и т.д.)</li></ul><p><strong>Как проходит процесс найма:</strong></p><p>✔️ Скрининг с рекрутером → ✔️ Техническое интервью → ✔️ Интервью с менеджером → ✔️ Финальное интервью с CEO → ✔️ Проверка рекомендаций → ✔️ Оффер</p><p><em><strong>Готовы подать заявку?</strong></em></p> <div> <a href="https://jobs.dou.ua/companies/swarmer/vacancies/371895/#reply-btn-id">Откликнуться на вакансию</a> </div>