Специалист по машинному зрению (Computer Vision Engineer)

Дата размещения вакансии: 22.10.2025
Работодатель: Военно-патриотический тренировочный центр ВОЕВОДА
Уровень зарплаты:
от 250000 RUR
Город:
Москва
улица Сущёвский Вал 49
Требуемый опыт работы:
От 3 до 6 лет

О Компании УТЦ «ВОЕВОДА»:

Мы создаем инновационную компанию полного цикла, которая разрабатывает и выводит на рынок передовые технологические продукты. Наш фокус — это решения на стыке цифровых и физических технологий.

Обязанности:

  • Разработка, обучение, тонкая настройка и валидация моделей глубокого обучения (детекция, сегментация, классификация, OCR, трекинг).
  • Проектирование и построение пайплайнов обработки изображений и видео данных.
  • Активная работа с данными: организация процесса разметки, аугментация, анализ и очистка датасетов.
  • Оптимизация и дистрибутивное обучение моделей для работы с большими объемами данных.
  • Подготовка и оптимизация моделей для промышленного внедрения (с использованием TensorRT, OpenVINO, ONNX, Triton Inference Server).
  • Участие в интеграции ML-решений в продукты компании, написание эффективного и поддерживаемого кода.

Требования:

  • Опыт коммерческой разработки в области Computer Vision / Deep Learning от 2 лет.
  • Уверенное владение Python и основными библиотеками (OpenCV, NumPy, Pandas).
  • Глубокое понимание и практический опыт работы с PyTorch или TensorFlow (умение не только обучать готовые модели, но и модифицировать их, писать кастомные слои и функции потерь).
  • Понимание принципов работы и опыт применения современных архитектур нейросетей (YOLO, Mask R-CNN, U-Net, ResNet, EfficientNet, Vision Transformers).
  • Опыт работы с инструментами для разметки данных (CVAT, Supervisely, Label Studio).
  • Понимание полного жизненного цикла ML-проекта.
  • Знание английского языка на уровне чтения технической документации.
  • Умение самостоятельно вести исследовательский проект от идеи до рабочего прототипа.

Будет плюсом:

  • Опыт развертывания ML-моделей в продакшн (Docker, FastAPI/Flask, знание основ ML Ops).
  • Опыт оптимизации моделей для edge-устройств (NVIDIA Jetson, Intel Movidius и т.д.).
  • Знание классических методов компьютерного зрения (feature detection, optical flow, фильтрация).
  • Навыки работы с C++ для высокопроизводительных задач.
  • Опыт работы с 3D-зрением (PointCloud, PCL, Stereo Vision).
  • Наличие профильного портфолио на GitHub