Обязанности:
Ведение CV-решений end-to-endВам предстоит вести весь технический контур от выбора подхода и архитектуры до продакшна: определять, где достаточно анализа изображений, а где нужен видеоанализ, решать, когда подходят готовые модели, а когда требуется дообучение. Детекция нарушений по камерам в дарксторах
Вы будете разрабатывать решения, которые автоматически выявляют отклонения в корректности хранения товара, соблюдении норм гигиены, правил пожарной безопасности и других операционных требований. Написание кода и сборка пайплайнов
Вам нужно будет писать продакшн-код, собирать пайплайны обработки и инференса, доводить решения до стабильной работы в продакшне. Баланс качества, стоимости и надёжности
Важно уметь смотреть на задачу с точки зрения не только качества модели, но и стоимости инфраструктуры, надёжности и сложности внедрения. Больше об ML в Яндексе — в канале Yandex for ML
Ключевые навыки:
- Работали с видеоаналитикой или готовы в неё погружаться
- Имеете сильный опыт в computer vision: детекции, сегментации, классификации
- Умеете самостоятельно вести CV-проекты от идеи до продакшна
- Разрабатываете на Python, владеете фреймворками: PyTorch или аналогами
- Понимаете, как устроены MLOps-пайплайны и деплой моделей
- Проактивны и очень самостоятельны
Дополнительные требования:
- Работали с real-time-видеоаналитикой
- Оптимизировали модели: работали с TensorRT, ONNX и другими инструментами
- Разворачивали CV-решения в промышленных или операционных средах
