ML-инженер

О проекте: «Умное видеонаблюдение» — ПО для видеофиксации, распознавания объектов и биометрии. Наши основные направления: Распознавание лиц (Face Recognition) – высокоточные алгоритмы для идентификации и верификации людей. Анализ изображений и видео – автоматическое детектирование объектов, эмоций, возраста и других атрибутов. Биометрия и безопасность – системы контроля доступа, мониторинга и предотвращения мошенничества. AI для бизнеса – внедрение решений на основе ИИ в ритейл, банкинг, логистику и другие сферы. Ищем ML-инженера для полного цикла разработки CV-решений: от ТЗ на разметку и подготовки датасета до обучения, оптимизации и деплоя моделей в продакшен. Что предстоит делать: • Формирование технического задания для разметки (CVAT/COCO/YOLO): детальные инструкции и правила для разметчиков. • Приём, валидация и предобработка размеченных данных; анализ качества разметки и балансировка классов. • Проектирование, обучение и валидация моделей детекции и классификации (эксперименты с архитектурами: YOLO/Ultralytics, Detectron2, EfficientDet, Cascade R-CNN и пр.). • Оценка качества (mAP, Precision, Recall, F1), анализ ошибок и подготовка отчетов. • Оптимизация моделей для работы в реальном времени: квантование, дистилляция, ONNX → TensorRT/OpenVINO. • Подготовка инференс-скриптов и API (FastAPI/Flask), упаковка в Docker, участие в интеграции в продакшен. • Настройка мониторинга инференса, формирование новых ТЗ на основе ошибок модели, автоматизация сбора данных для дообучения. • Документирование решений, ведение репозиториев и трекинг экспериментов (Git, MLflow/W&B). Что мы ждем: • Высшее образование (техническое/математическое/профильное). • От 3 лет коммерческого опыта в области Computer Vision. • Уверенный Python (production-скрипты, пайплайны). • Опыт с PyTorch (предпочтительно) или TensorFlow. • Практика обучения моделей детекции/классификации и работы с видео-данными. • Опыт работы с инструментами разметки/форматами: CVAT, COCO, YOLO. • Владение OpenCV, NumPy, Pandas, Albumentations. • Навыки конвертации и оптимизации моделей: ONNX, TensorRT или OpenVINO. • Опыт контейнеризации (Docker) и создания API (FastAPI/Flask). • Владение Git. • Базовая математическая подготовка: линейная алгебра, теория вероятностей, статистика. • Возможность иногда приезжать на очные встречи (офис в Москве). Будет плюсом: • Опыт с Ultralytics (YOLOv5/YOLOv8), Detectron2, MMDetection. • Опыт с MLflow / Weights & Biases. • Опыт работы с Triton, Kubernetes, CI/CD для моделей. • Опыт в биометрических системах (face recognition / verification). • Навыки SQL для анализа данных.