H
HireSeeker
585, холдинг

Инженер по техническому (машинному) зрению (Python)

Мы запускаем проект роботизации ломбардной сети: создаём роботизированные терминалы, которые самостоятельно принимают изделия, оценивают драгоценные металлы, помещают залог в автоматизированное хранилище и выдают его клиенту. Это новый для…

585, холдинг

Зарплата не указанаРоссияМоскваГибрид
Открыть на hh.ru

О проекте

Мы запускаем проект роботизации ломбардной сети: создаём роботизированные терминалы, которые самостоятельно принимают изделия, оценивают драгоценные металлы, помещают залог в автоматизированное хранилище и выдают его клиенту. Это новый для рынка продукт, и у вас будет возможность участвовать в его создании с первых этапов и масштабировании на федеральную сеть.

Ищем инженера по машинному зрению, который отвечает за «глаза» роботизированного комплекса: распознавание ювелирных изделий, считывание маркировки Data Matrix, измерение геометрии камней и определение типа изделия.

Чем предстоит заниматься:

  • Обрабатывать изображения: устранять блики, выравнивать освещение, убирать шумы, сегментировать объект в ячейке, извлекать контуры и признаки
  • Распознавать Data Matrix на изделиях, бирках и ярлыках, в том числе повреждённых, снятых под углом или при неравномерном освещении; контролировать качество маркировки
  • Измерять размеры камней: калибровка по эталонам, пересчёт пикселей в миллиметры, оценка погрешности
  • Классифицировать изделия по форме и типу (кольцо, цепь, серьги, браслет и т. д.) классическими методами и нейросетями, в том числе редкие классы с малым числом примеров
  • Подбирать камеры, объективы и схему освещения, бороться с бликами на металле и камнях
  • Калибровать камеры и измерительный тракт, вести эталоны, регулярно проверять точность
  • Собирать и размечать датасеты из реальных снимков, делать аугментацию, контролировать качество выборки
  • Интегрировать модуль зрения с ПЛК и роботом (триггеры съёмки, передача координат) и с учётной системой SAP совместно с программистами
  • Тестировать на потоке, разбирать ложные срабатывания, дообучать модели на новых типах изделий, поддерживать модели в продакшене
  • Готовить ТЗ на модуль зрения, регламенты калибровки, протоколы испытаний, инструкции для персонала

Что для нас важно:

  • Высшее техническое образование (компьютерные науки, прикладная математика, радиотехника, приборостроение, оптотехника)
  • Опыт работы CV/MV-инженером от 3 лет
  • Уверенный Python, знание алгоритмов обработки изображений; C++ будет плюсом
  • OpenCV: фильтрация, пороговая обработка, контуры, морфология, гомографии, калибровка камеры и коррекция искажений
  • Опыт обучения моделей классификации и детекции на PyTorch или TensorFlow, transfer learning, работа с предобученными сетями
  • Опыт детекции и декодирования Data Matrix (open source или Halcon, Cognex VisionPro, Keyence); знание типичных проблем: блики, повреждения, низкий контраст
  • Умение подобрать камеру, объектив и освещение, рассчитать поле зрения и разрешение
  • Понимание метрологии: погрешности, калибровка, пересчёт пикселей в миллиметры
  • Опыт работы с реальными данными: сбор и разметка датасетов, анализ ошибок, вывод моделей в рабочий контур
  • Базовое понимание промышленной автоматизации: триггеры от ПЛК, цифровые сигналы, Modbus TCP, REST/HTTP, очереди и логи

Будет плюсом:

  • Halcon, NI Vision, Cognex VisionPro
  • 3D-зрение: стереокамеры, структурированный свет, лазерные профилометры, фотограмметрия
  • Знание ювелирной специфики: номенклатура изделий, типы огранки и закрепки камней
  • Знание стандартов маркировки: GS1 DataMatrix, ГОСТ Р ИСО/МЭК 16022, маркировка ювелирных изделий
  • Деплой моделей: ONNX, TensorRT, оптимизация под edge-устройства (Jetson, промышленные ПК), Docker
  • Опыт связки «зрение → захват» с манипуляторами, ROS
  • Опыт defect detection (поиск дефектов на поверхности)
  • Английский на уровне чтения технической документации и статей.

Условия

  • Участие в инновационном проекте с нуля в крупной федеральной компании.
  • Заработная плата обсуждается с успешными кандидатами (оклад + бонус).
  • ДМС, оплата мобильной связи.
  • Компенсация командировочных расходов.
  • Офис в Москве, работа на объектах сети.
Открыть на hh.ru

Статьи для Data Science & ML

Похожие вакансии Data Science & ML

Соц.сети

ML Engineer

Зарплата не указанаУзбекистанТашкентОфис

#mlengineer #uzbekistan
ML Engineer in Tashkent

Локация и формат: On-site и full-time в Ташкенте. К рассмотрению приглашаются кандидаты, готовые к релокации
Компания: ••••••••
Английский: Intermediate+ (B1+/B2)

Ищут опытного Machine Learning Engineer в Ташкент для международного проекта в сфере корпоративного кредитования и финтеха. Заказчик — крупная технологическая компания в области цифровой инфраструктуры, развивающая высоконагруженные платформы для обработки больших объемов данных в нескольких регионах.

Ключевые задачи:
• Вывод ML-моделей в production и их интеграция в пайплайны принятия кредитных решений.
• Мониторинг производительности моделей, отслеживание дрифта данных и поддержание их стабильной работы.
• Участие в развитии высоконагруженной платформы в распределенной облачной среде с высокими требованиями к безопасности и отказоустойчивости.

Что важно:
• 5+ лет опыта работы на позиции Machine Learning Engineer.
• Опыт работы с Apache Spark и feature stores в банковской среде (с учетом регуляторных требований).
• Уверенный Python и практический опыт в MLOps.
• Опыт работы с Docker и Kubernetes.
• Знание CI/CD пайплайнов для ML-моделей, версионирования моделей и мониторинга дрифта (например, MLflow).
• Опыт деплоя ML-моделей в виде API или сервисов и их интеграции с decision engines.
• Уровень английского языка — от Intermediate+ и выше.

Писать: ••••••••

hh.ru
т-банк. ит. разработка

ML-инженер

т-банк. ит. разработкаАвтоподнятие
Зарплата не указанаРоссияОмскОфис

Мы создаем и применяем AI-технологии для развития финансовой экосистемы Т-Банка, внедряем машинное обучение в продукты и внутренние процессы компании, делаем решения качественнее, безопаснее и удобнее для пользователей, вкладываемся в долгосрочные исследования. Сейчас мы в поисках ML-инженеров, которые привнесут экспертизу и свой вклад в развитие Центра технологий искусственного интеллекта.

Наши технологии

  • Диалоговые системы. Обучаем финансового ассистента поддерживать разговор и отвечать на запросы пользователей в чате с поддержкой
  • Компьютерное зрение. Делаем безопасную авторизацию по лицу, оживляем фотографии для реалистичной анимации, распознаем документы и многое другое
  • Рекомендательные системы. Учимся предугадывать желания пользователей, чтобы предлагать им именно то, что нужно
  • Речевые технологии. Автоматизируем голосовое общение между бизнесом и клиентами
  • ML-антифрод. С помощью алгоритмов оберегаем пользователей от мошенников, оперативно замечая подозрительные действия в личном кабинете
  • Предиктивные технологии. Прогнозируем будущее клиентов, чтобы помогать им контролировать финансы.

Почему Т-Банк?

  • Делаем жизнь миллионов людей лучше — ассистент Олег, социальная сеть Пульс, персонализированная lifestyle экосистема, предиктивные интерфейсы для finance management
  • Даем возможность как закинуть наработки в прод на миллионы пользователей, так и делать исследования в своей области
  • Развиваем и делимся опытом по всем областям ML: CV, NLP, RecSys, Speech и Time Series. Проводим внутреннием семинары, обсуждаем последние новости AI
  • Есть выстроенные процессы и инфраструктура Т-Банка, но с отсутствием бюрократии больших организаций
  • Фокус внутри компании на разработке в области искусственного интеллекта
  • Есть лаборатория на Физтехе, с которой можно и нужно делать коллаборации
  • Мало легаси и большой impact каждого разработчика

Обязанности:

  • Изучение научных статей, генерирование гипотез, постановка экспериментов на их основе и донесение результатов до команды
  • Улучшение качества моделей в различных сценариях
  • Ускорение работы моделей с применением современных методов оптимизации и архитектур
  • Написание воспроизводимого кода, оформление экспериментов в воспроизводимые пайплайны, включающие разметку и обработку данных, обучение моделей и валидацию системы в целом

Требования:

  • Опыт разработки моделей машинного обучения с использованием современных DL фреймворков (Tensorflow, Pytorch, Keras, etc) и применения их в продакшене
  • Глубокое понимание принципов работы современных алгоритмов машинного обучения
  • Высокий уровень знания Python
  • Умение декомпозировать задачу в переиспользуемые и тестируемые библиотеки и компоненты
  • Хорошая теоретическая подготовка в областях математики, алгоритмов и структур данных, прикладной статистики
  • Умение самостоятельно изучать научные статьи на английском языке и желание ставить эксперименты на их основе
  • Практические знания Linux, Git, Bash, Docker

Мы предлагаем:

  • Оплату участия в топ AI конференциях 2-3 раза в год
  • Работу в офисе. График работы — гибридный
  • Платформу обучения и развития Т-Банк Апгрейд. Курсы, тренинги, вебинары и базы знаний. Поддержка менторов и наставников, помощь в поиске точек роста и карьерном развитии
  • Заботу о здоровье. Оформим полис ДМС со стоматологией и страховку от несчастных случаев. Предложим льготное страхование вашим близким
  • Компенсацию такси и 50% затрат на спорт от стоимости абонемента
  • Компенсацию обедов. А если захотите перекусить, есть кухня с чаем, кофе и фруктами
  • Достойную зарплату — обсудим ее на собеседовании
  • Возможность работы в аккредитованной ИТ-компании
Открыть на hh.ru
Сайты компаний

Deep Learning Engineer - World Models

Автоподнятие
Зарплата не указанаВеликобританияLondon
Текст:
Оригинал доступен только пользователям с подпиской

Location

London, UK; on-site work with daily collaboration in the office.

About the company

A robotics company developing a commercially scalable •••••••• platform for real industrial environments. The team works at the intersection of AI and •••••••• robotics, deploying models on physical hardware in production settings.

Responsibilities

  • Design and train multimodal world models combining video, state, action, and language using diffusion and transformer architectures.
  • Build action-conditioned video prediction and dynamics models that remain physically consistent over long horizons, including contact-rich manipulation, and serve as pretrained priors for VLA policies.
  • Develop learned-simulator evaluation to score policies offline, predict real-world success, and roll out policy futures for safety review and planning.
  • Generate synthetic rollouts and counterfactual experience for policy training, establish fidelity metrics and calibration protocols, and build data pipelines from fleet telemetry, teleoperation logs, and internet-scale video.

Requirements

  • Proven track record training large generative models (video, world, or multimodal) with shipped models or published artifacts.
  • Hands-on experience with modern generative architectures such as diffusion models, autoregressive transformers, latent-variable models, or video prediction.
  • Experience with large-scale distributed training, including streaming datasets, checkpointing, state management, and debugging numerics and training instabilities.
  • Strong Python and PyTorch/JAX skills, with empirical rigor in designing evaluations and documenting experiments; excitement about grounding generative models in physical reality.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.

Посмотреть полный каталог →Свежие вакансии Data Science & ML