Инженер-разработчик систем компьютерного зрения
Описание
Требования: Уверенное программирование на Python и практический опыт разработки систем компьютерного зрения с использованием PyTorch, YOLO и OpenCV. Опыт разработки систем компьютерного зрения для промышленного применения: обнаружение и классификация продукции и упаковки, контроль наличия и правильности расположения объектов, выявление дефектов и брака, распознавание кодов маркировки. Понимание принципов построения и функционирования нейронных сетей и практический опыт обучения, дообучения и оптимизации моделей. Опыт подготовки и организации датасетов для обучения моделей компьютерного зрения. Опыт работы с CVAT или аналогичными системами аннотирования данных, включая не только самостоятельную разметку, но и: постановку задач разметчикам; подготовку инструкций и правил разметки; определение классов объектов и правил обработки нестандартных ситуаций; контроль качества и приемку результатов работы разметчиков; выявление ошибок и организацию повторной разметки. Опыт работы с ClearML или аналогичными системами управления ML-экспериментами: отслеживание метрик, управление версиями моделей и экспериментами, обеспечение воспроизводимости результатов обучения. Опыт управления версиями исходных данных, датасетов, моделей и конфигураций, обеспечивающий возможность определить, какая версия модели была обучена на конкретном датасете и развернута на конкретной производственной линии. Опыт работы с системами контроля версий Git и контейнерами Docker. Опыт интеграции сервисов компьютерного зрения через REST API. Наличие реализованных проектов в области компьютерного зрения, желательно с внедрением в реальное производство или эксплуатацию. Будет большим плюсом: Опыт разработки высокопроизводительных сервисов и систем на Go или C/C++. Опыт работы с PostgreSQL и/или MongoDB. Опыт работы с RabbitMQ, Redis или аналогичными системами очередей и асинхронного обмена данными; понимание принципов построения распределенных сервисов и асинхронной обработки задач. Опыт построения и сопровождения систем мониторинга качества моделей после внедрения: сбор ошибочных срабатываний, анализ причин ошибок, выявление деградации качества модели и подготовка данных для дообучения. Опыт работы с IP камерами и промышленными камерами машинного зрения, а также настройкой освещения, оптики и параметров съемки под конкретную задачу. Опыт работы с GPU NVIDIA, включая настройку и оптимизацию inference. Опыт чтения и декодирования DataMatrix/GS1, знакомство с требованиями системы маркировки «Честный знак». Опыт разработки систем автоматического контроля качества продукции: выявление брака и дефектов, формирование результатов контроля и интеграция с механизмами отбраковки. Опыт построения операторских и управленческих дашбордов на основе данных систем компьютерного зрения, включая производственные показатели OEE, MTBF, MTTR. Знание Linux/Unix-подобных систем. Знание английского языка на уровне, достаточном для чтения технической документации. Компетенции: Глубокое понимание алгоритмов компьютерного зрения: опыт разработки и внедрения алгоритмов для распознавания объектов, сегментации изображений и классификации. Опыт анализа данных и работы с большими объемами визуальной информации. Опыт работы с фреймворками машинного обучения: знание TensorFlow, Keras, PyTorch. Опыт работы со SLAM. Навыки в области обработки сигналов и изображений: понимание методов фильтрации, преобразования и анализа визуальных данных. Знание основ математики: линейная алгебра, статистика и теория вероятностей. Опыт работы с RESTful API для интеграции компьютерного зрения в приложения. Знание инструментов аннотирования: опыт работы с CVAT (Computer Vision Annotation Tool) для создания высококачественных аннотированных наборов данных, необходимых для обучения моделей машинного обучения. Опыт использования ClearML для управления экспериментами в области машинного обучения: знание возможностей этой платформы для отслеживания метрик, версий моделей и автоматизации рабочего процесса. Способность к оптимизации кода для реального времени и производительности систем. Условия: Конкурентная заработная плата (согласовывается по итогам собеседования в зависимости от опыта и навыков). Возможен удаленный формат работы. Участие в интересных проектах с возможностью профессионального роста. Работа в офисе в центре Екатеринбурга. Корпоративное обучение и развитие. Официальное трудоустройство по ТК.