Machine Learning Engineer

Что предстоит делать

<p>Способны построить экосистему, где сложные нейросети работают на границе ресурсных ограничений железа? Присоединяйтесь к R&amp;D-команде Canyon Development в качестве <strong>Machine Learning Engineer</strong>. Вам предстоит адаптировать и внедрять модели машинного обучения в железо — от мощных одноплатников и вычислителей до микроконтроллеров со сверхнизким энергопотреблением.</p><p>Если вы понимаете, как устроены современные архитектуры нейросетей, следите за трендами в сфере ИИ, умеете сжимать модели без потери точности и заставлять их «летать» на ограниченном по ресурсам железе — вы будете отвечать за цикл портирования и оптимизации ML в наших продуктах.</p><p><strong>Мы предлагаем:</strong></p><ul><li>Автономный офис с генератором в центре Днепра, гибкий график и продуманный онбординг.</li><li>Прямой доступ к оборудованию и поддержка со стороны опытных системных архитекторов.</li><li>Внутренние R&amp;D-проекты для быстрого погружения в домен и стек.</li><li>Собственный тренажерный зал, книжный и шахматный клубы.</li></ul><p><strong>Ключевые задачи:</strong></p><ul><li>Computer Vision: детекция объектов в видеопотоке, алгоритмы точного измерения геометрии, обработка изображений высокого разрешения (SAHI / тайлинг).</li><li>Обработка сигналов и временных рядов: создание моделей для анализа временных рядов и поиска аномалий в данных с датчиков (акселерометрия, температура и т.д.).</li><li>Компрессия и оптимизация: применение PTQ и QAT (INT8/FP16), прунинг и дистилляция SOTA-моделей под целевые NPU, GPU и микроконтроллеры.</li><li>Процессы и MLOps: совместная с Embedded-инженерами развертка моделей в прошивку и построение документально оформленного пайплайна подготовки и оптимизации ML для новых продуктов.</li></ul><p><strong>Опыт:</strong></p><ul><li><nobr>2–3+</nobr> года опыта в области ML, Computer Vision или Data Science.</li><li>Практический опыт портирования и автономного запуска моделей на Edge-устройствах / микроконтроллерах.</li><li>Способность системно учитывать аппаратные ограничения, анализировать SOTA-решения и реализовывать задачу от выбора архитектуры до рабочего прототипа на железе.</li><li>Высшее техническое образование: Компьютерные науки, Робототехника, Радиоэлектроника, Прикладная математика, Системный анализ.</li></ul><p><strong>Требования к техническому стеку:</strong></p><ul><li>Языки: Python (уверенно), базовое понимание C / C++ (для портирования и инференса моделей на микроконтроллерах).</li><li>ML / DL архитектуры: PyTorch, TensorFlow / Keras (CNN, Transformers, RNN, 1D-CNN).</li><li>CV и библиотеки: OpenCV, Albumentations.</li><li>Inference Frameworks: TensorRT, ONNX Runtime, TFLite / TFLite for Microcontrollers.</li><li>Hardware Awareness: понимание архитектурных ограничений NVIDIA Jetson, NXP i.MX8, Raspberry Pi, STM32, ESP32, nRF52/54 (память RAM/Flash, вычислительная мощность TOPS, энергопотребление).</li></ul><p><strong>Готовы проектировать и внедрять <nobr>ML-архитектуры</nobr> для автономного железа? Отправляйте резюме и ссылку на GitHub — обсудим детали.</strong></p> <div> <a href="https://jobs.dou.ua/companies/canyon-development/vacancies/367527/#reply-btn-id">Откликнуться на вакансию</a> </div>