О компании
ООО «НейроЗрение Групп» — дочерняя компания ООО «Цифровая платформа КАМАЗ» и ООО «Университетская стартап-студия». Работает под общим брендом «КАМАЗ Диджитал». Компания находится в Набережных Челнах и разрабатывает систему промышленного компьютерного зрения «Оптера». Аккредитация ИТ-организации в процессе оформления.
«Оптера» анализирует видео с рабочих мест: потоки с камер (RTSP, API систем видеонаблюдения) и архивные записи. Основные функциональные блоки:
– анализ производительности: классификация действий по заданным категориям, фиксация простоев, лишних перемещений и выполнения технологических операций, диаграммы загрузки и маршрутов перемещений, выявление отклонений от рабочего процесса. Применяется в том числе для балансировки линий;
– эргономика: оценка рабочих поз по методике REBA, выявление рабочих мест с повышенной физической нагрузкой;
– охрана труда: контроль наличия средств индивидуальной защиты;
– работа с деталями: детекция и подсчёт, идентификация детали по фотографии с выдачей обозначения, чертежа и 3D-модели (веб-интерфейс и мобильное приложение), контроль качества лакокрасочного покрытия с привязкой к 3D-модели;
– оповещения о событиях и отклонениях на почту и в корпоративные мессенджеры.
Данные обрабатываются в обезличенном виде, без биометрии. Система разворачивается в закрытом контуре предприятия или в облаке и строится на отечественных и свободно распространяемых компонентах. Внешние системы подключаются через REST API. Решения проходят апробацию на производстве ПАО «КАМАЗ».
Развитие продукта
Концептуально «Оптера» должна стать частью единого контура цифрового производства «КАМАЗ Диджитал». Интеграция планируется к реализации, и её архитектуру предстоит выстроить техлиду:
– связка с MDC-системой «Сигнал» (мониторинг оборудования): сопоставление простоев оборудования с действиями персонала на тех же рабочих местах и в те же интервалы времени;
– связка с MES-системой «Пульс» (оперативное управление производством): привязка видеоаналитики к сменам, производственным заданиям и технологическим операциям, сравнение плана и факта;
– общая модель данных и единые справочники (участки, рабочие места, смены, операции), обмен событиями через брокер сообщений и REST API;
– слой интерпретации данных на базе ИИ поверх трёх систем: поиск первопричин потерь и подготовка рекомендаций по изменению участка.
Цель — единая картина по оборудованию, персоналу и производственным заданиям вместо трёх отдельных систем.
Мы ищем технического лидера, который возглавит разработку «Оптеры»: CV/ML-сервисы, серверную часть, веб-интерфейс и развёртывание. Продукт состоит из нескольких десятков сервисов на Python и Vue, работает на GPU и разворачивается в Kubernetes, в том числе в закрытом контуре заказчика на Astra Linux. Техлид отвечает за архитектуру, качество и сроки, растит команду и сам пишет код на ключевых участках. Подчинение — владельцу продукта.
Функциональные обязанности
– Руководство командой (CV/ML, backend, frontend, DevOps): роли, зоны ответственности, распределение задач.
– Найм: профиль вакансий, технические интервью, онбординг.
– Организация процесса: Scrum или Kanban, планирование спринтов и релизов, бэклог, демо и ретроспективы.
– Декомпозиция требований заказчика в задачи с критериями приёмки и оценкой трудоёмкости.
– Контроль сроков и качества: риски, блокеры, приёмка перед выпуском.
– Развитие команды: встречи один на один, обратная связь, планы развития, оценка результатов.
– Обмен знаниями: code review, технические разборы, документация решений.
– Согласование приоритетов и сроков со смежными командами, подрядчиками и заказчиками.
– Отчётность перед владельцем продукта: статус, загрузка, риски, потребность в ресурсах.
– Архитектура платформы: границы сервисов, контракты API и сообщений, схема данных, конвейер обработки многочасовых видео от приёма до отчёта, требования к производительности и отказоустойчивости.
– Технические решения по ML-контуру: выбор и замена моделей, путь от обучения до продакшн-инференса (ONNX, TensorRT), бюджет GPU и задержек, воспроизводимость экспериментов.
– Инженерные стандарты: code review, git-flow, тестирование, линтеры и типизация, CI/CD, наблюдаемость, разбор инцидентов, управление техническим долгом.
– Развёртывание у заказчиков: облако и закрытый контур без интернета, собственные реестры образов (Nexus, Harbor), сертифицированные ОС (Astra Linux).
Требования
Опыт и уровень:
– Коммерческая разработка от 6 лет, из них не менее 2 лет в роли техлида, тимлида или ведущего разработчика с командой от 4 человек.
– Опыт вывода в продакшн и сопровождения продукта.
– Опыт проектирования распределённой системы из нескольких сервисов с очередями и долгими фоновыми задачами.
– Готовность к командировкам на площадки заказчиков.
Технические компетенции:
– Python 3.11+ на уровне эксперта: asyncio, FastAPI, Pydantic, SQLAlchemy + Alembic, PostgreSQL, Redis.
– Очереди и фоновые задачи: RabbitMQ (или Kafka), Celery. Ретраи, идемпотентность, задачи, которые идут часами.
– Компьютерное зрение в продакшене будет плюсом: важно уметь принимать решения по ML-части и проверять работу CV-инженеров, но не обязательно самому обучать модели каждый день.
– Работа с видео: FFmpeg, OpenCV, RTSP, обработка больших файлов в S3-совместимом хранилище – как плюс
– Docker, Kubernetes и Helm на уровне понимания развёртывания: ресурсы и лимиты, GPU-узлы, обновления без простоя.
– CI/CD в GitLab, наблюдаемость (Prometheus, Grafana, Elastic APM), структурированное логирование.
– Безопасность: Keycloak, OAuth2/JWT, LDAP/AD заказчика, хранение секретов в Vault, ролевая модель доступа.
– Понимание frontend-части на уровне архитектуры и ревью: Vue 3, TypeScript, Vite.
Будет плюсом:
– Опыт развёртывания в закрытом контуре без интернета и на отечественных ОС (Astra Linux, РЕД ОС).
– Опыт подготовки ПО к включению в реестр российского ПО или к сертификации.
– Понимание открытых лицензий (MIT, Apache, GPL, AGPL, CC BY-NC, source-available) и их последствий для коммерческого продукта.
– MLOps: ClearML или MLflow, версионирование данных и моделей, разметка в CVAT.
– Векторные БД (Qdrant) и задачи поиска по эмбеддингам.
– Опыт в промышленности, MES или видеоаналитике: смены, техпроцессы, такт, балансировка линий.
– Опыт работы с LLM в продукте: слой интерпретации данных, RAG, агентные сценарии.
Стек: Python 3.11+, asyncio, FastAPI, Pydantic, SQLAlchemy, Alembic, PostgreSQL, Redis, RabbitMQ, Celery, S3, Qdrant, PyTorch, ultralytics, ONNX Runtime, TensorRT, CUDA, OpenCV, FFmpeg, ClearML, CVAT, Vue 3, TypeScript, Vite, Keycloak, Docker, Kubernetes, Helm, GitLab CI, Nexus, Harbor, Vault, Prometheus, Grafana, Elastic APM, Astra Linux, Яндекс.Облако.
Условия:
- Ипотека, отсрочка, стабильность. Решайте важные жизненные вопросы с нашей поддержкой: ИТ-ипотека и отсрочка от службы для тех, кому это актуально.
- Инвестиции в развитие. Компенсируем ваше обучение, английский (и не только), спортивные абонементы и билеты на конференции. Растите профессионально — мы поможем.
- Социальная политика. Специальная программа поддержки в разных жизненных ситуациях, включая мамины дни, подарки детям работников при поступлении в первый класс и на Новый год.
- Офис или удаленка. офисы в трех городах МСК, СПб и Набережные Челны или ваш собственный уютный домашний офис.
- Встречаемся онлайн и офлайн. Наши активности — от классических викторин в офисе до киберспортивных баталий на удаленке — не дадут заскучать.