Computer Vision Engineer

SMART FARM - это продуктовая IT-компания, создающая интеллектуальные решения в области искусственного интеллекта и компьютерного зрения, которые помогают автоматизировать процессы и анализировать данные из видеопотоков в реальном времени в сельскохозяйственном секторе.

Ищем в команду Computer Vision Engineer уровня middle, который хочет прокачаться на реальных задачах и внести вклад в развитие масштабируемого продукта.

Чем предстоит заниматься

• Разработка, доработка и масштабирование инфраструктуры и микросервисов платформы компьютерного зрения для одновременной обработки десятков видеопотоков;

• Проектирование и оптимизация high-load пайплайнов приема, декодирования, обработки и анализа видео в реальном времени на ограниченных аппаратных ресурсах;

• Интеграция новых моделей CV в существующие продуктовые пайплайны с обеспечением требуемой пропускной способности и задержки;

• Адаптация и оптимизация моделей для эффективного параллельного инференса (квантование, использование TensorRT/ONNX, настройка динамического батчинга);

• Настройка и запуск inference-серверов (например, NVIDIA Triton) для эффективного обслуживания множества запросов;

• Мониторинг, профилирование и обеспечение стабильности работы CV-сервисов под высокой нагрузкой;

• Создание и поддержка технической документации, включая архитектурные решения для масштабирования;

Требования

• Образование: Высшее (магистр/специалист) в области компьютерных наук, прикладной математики, робототехники или смежных областях;

• Опыт работы: от 2-3 лет в области компьютерного зрения и машинного обучения;

• Опыт разработки и поддержки микросервисной архитектуры для CV-сервисов (REST API/gRPC);

• Опыт проектирования, запуска и оптимизации систем для параллельной обработки множества видеопотоков на одном сервере. Понимание ограничений и способов масштабирования в условиях ограниченных GPU/CPU ресурсов;

• Знание контейнеризации (Docker) и оркестрации (Kubernetes);

• Умение проектировать и оптимизировать высоконагруженные пайплайны обработки видео;

• Опыт работы с системами очередей (RabbitMQ, Kafka, Redis) для балансировки нагрузки между видеопотоками;

• Навыки мониторинга и профилирования для выявления "узких мест" в многопоточной среде (GPU/CPU utilization, memory leaks, I/O latency);

• Умение "завернуть" модель в продуктивное приложение, оптимизированное для параллельной обработки;

• Практический опыт оптимизации пайплайна "чтение кадра -> предобработка -> инференс -> постобработка" для минимизации задержек и максимизации пропускной способности (FPS) на сервере;

• Опыт использования батчинга (dynamic batching), асинхронных вызовов и параллельных конвейеров для повышения утилизации GPU при работе с множеством потоков;

• Опыт работы с высокопроизводительными библиотеками для обработки видео: FFmpeg (через ffmpeg-python или pyav), GStreamer;

• Глубокие знания многопоточности и асинхронности в Python (asyncio, threading, multiprocessing), понимание GIL и способов его обхода (например, через процессы);

• Опыт использования inference-серверов, специально разработанных для масштабирования: NVIDIA Triton Inference Server, TorchServe, TensorFlow Serving. Особенно ценен опыт с динамическим батчингом в Triton;

• Навыки профилирования и отладки с помощью: NVIDIA Nsight Systems, py-spy, cProfile, vtune;

Ключевые навыки

• Глубокое понимание классических и современных методов CV (детекция, классификация, сегментация, трекинг);

• Опыт работы с фреймворками глубокого обучения: PyTorch (обязательно), TensorFlow/Keras;

• Свободное владение Python и ключевыми библиотеками: OpenCV, NumPy, SciPy, Pandas;

• Понимание принципов разработки ПО (ООП, Git, CI/CD) и многопоточного/асинхронного программирования;

• Умение работать в команде и четко документировать результаты;

• Системное мышление: Способность проектировать систему с учетом нагрузки, "бутылочных горлышек" и отказоустойчивости при работе с десятками/сотнями потоков;

• Проактивность: Умение не только интегрировать модель, но и предложить архитектурные улучшения для масштабирования платформы;

• Аналитический склад ума: Глубокий анализ производительности, умение читать метрики и быстро локализовать проблемы (например, падение FPS при добавлении N-го потока);

• Готовность разбираться в низкоуровневых аспектах (кодеков, драйверов, сетевых протоколов) для решения задач оптимизации;

• Ориентация на результат: Понимание ключевых метрик production-системы: сквозная задержка (end-to-end latency), общая пропускная способность (total throughput), стабильность работы 24/7;

Будет плюсом

• Знакомство с облачными сервисами для работы с видео (Kinesis Video Streams, Azure Video Analyzer) и стримингом (WebRTC, RTSP, HLS);

• Опыт настройки и оптимизации работы драйверов GPU (NVIDIA), CUDA, cuDNN для многопользовательской среды;

Что мы предлагаем

• Официальное трудоустройство;
• Все преимущества ИТ-компании (отсрочка, льготная it-ипотека);
• Участие в реальном AI-проекте;