Data scientist по ИИ-агентам, senior

Ищем программиста со знанием OpenCV, YOLO и нейросетевых моделей компьютерного зрения для работы с видео-аналитикой и обучения ИИ-моделей анализа видео.

Нужно разработать модуль анализа видео, который принимает видеопоток с камеры, обнаруживает нужные объекты, отслеживает их движение и формирует результат в виде структурированных данных. Также требуется обучить или дообучить модель под конкретные объекты и сценарии.

Ожидаемый результат: рабочий прототип анализа видео; обученная или дообученная модель YOLO; инструкция по запуску и обучению; скрипты для инференса, тестирования и оценки качества; возможность интеграции результата в основное приложение.

Основные задачи:

• Разработка системы анализа видеопотока с камер.
• Детекция, классификация и трекинг объектов на видео.
• Работа с моделями YOLO: обучение, дообучение, тестирование и оптимизация.
• Подготовка датасетов: сбор, разметка, очистка, аугментация данных.
• Настройка пайплайна обучения модели: train / validation / test.
• Оптимизация модели под работу в реальном времени.
• Интеграция видеоаналитики в существующее приложение или сервер.
• Работа с RTSP/IP-камерами, видеопотоками, файлами и кадрами.
• Вывод результатов анализа: координаты объектов, классы, confidence, события, логи.

Требуемые навыки:

• Python, OpenCV, YOLO: YOLOv5 / YOLOv8 / YOLOv10 / YOLOv11 или аналогичные модели; PyTorch или другой ML-фреймворк; Linux, Git.
• Опыт обучения и дообучения моделей компьютерного зрения.
• Понимание принципов object detection, classification, tracking.
• Работа с видео: RTSP, IP-камеры, FFmpeg / GStreamer будет плюсом.
• Умение работать с датасетами и инструментами разметки.
• Умение давать реалистичную оценку сроков разработки в часах с учетом технических рисков, неопределенностей и этапов реализации.
• Можете в короткие сроки разработать рабочий MVP и последовательно улучшить модель до нужных метрик качества, надежности и производительности.

Желательные навыки:

• Оптимизация моделей: ONNX, TensorRT, CUDA.
• Работа с edge-устройствами: Raspberry Pi, Orange Pi, Jetson, промышленные mini-PC.
• Опыт ускорения инференса на CPU/GPU/NPU.
• ByteTrack, DeepSORT, SORT или другие алгоритмы трекинга.
• Docker.
• FastAPI / Flask / Node.js для интеграции модели в сервер.
• Опыт построения систем видеоаналитики в реальном времени.

Для отклика желательно прислать:

• Примеры проектов с OpenCV / YOLO / Computer Vision.
• GitHub или портфолио.
• Описание опыта обучения моделей.
• Какие модели и фреймворки использовали.
• Какой FPS удавалось получить на видео в реальном времени.

Что мы предлагаем:

• Проектная или постоянная работа.
• На время ИС 5/2 работа на месте производства в п. Мосрентген, после ИС можно также работать из офиса на м. Калужская.
• Оплата обсуждается по результатам собеседования и оценки объема задач.

• Работа предполагает чистую разработку, построение ML-моделей.

• Уверенное владение Python и SQL.
• Классический ML: Хорошие знания алгоритмов. Бустинги, деревья, логистическая и линейная регрессия, кластеризация, uplift и ранжирующие модели, работа с дисбалансом, калибровка. Уверенное владение Python и SQL.
• Классический ML: Хорошие знания алгоритмов. Бустинги, деревья, логистическая и линейная регрессия, кластеризация, uplift и ранжирующие модели, работа с дисбалансом, калибровка.

• Формат: удаленка или гибрид
• Оформление: по ТК РФ, «белая» зарплата + бонусы.
• ДМС (стоматология) + страхование жизни.
• Оплата сертификаций и курсов (Coursera, Udemy и др.).

Ищем ML Engineer для нашего клиента — российской IT-компании, специализирующейся на кибербезопасности, исследовании угроз и разработке собственных продуктов защиты информации. Компания развивает новое продуктовое направление и создает решения для анализа угроз и защиты конечных устройств.

Чем предстоит заниматься:

• Внедрение ML- технологий в существующие процессы и продукты;
• Разработка тестовых сценариев и оценка качества моделей в соответствии с целевыми метриками;
• Обучение, валидация и тестирование ML-моделей;
• Оптимизация моделей для работы с учетом ограничений целевого устройства;
• Подготовка моделей к интеграции и участие в процессе их внедрения;
• Тесное взаимодействие с командой Embedded при интеграции ML-решений.

• Коммерческий опыт работы с Machine Learning и Deep Learning;
• Уверенное владение Python и PyTorch;
• Опыт production-внедрения ML-моделей: обучение, валидация, deployment и последующий мониторинг качества;
• Практический опыт работы с поведенческими моделями, anomaly detection и/или задачами классификации;
• Понимание современных архитектур глубокого обучения: Transformers, LSTM, GNN. Не требуется production-опыт с каждой архитектурой — важны понимание принципов их работы, областей применения и практический опыт хотя бы с частью из них;
• Опыт работы с метриками качества ML-моделей, понимание FPR (False Positive Rate) будет преимуществом;
• Практический опыт работы с Docker и Git.

• Официальное трудоустройство, работа в аккредитованной IT-компании;

• Оплата питания;

• Доплата за отпуск до оклада 6-8 недель в год;;

• Оплачиваемый больничный 100% 14 дней в год, а так же 5 day off в год по согласованию с руководителем;

• Офисный формат работы с 09:30 до 18:30 с перерывом на обед: комфортный офис класса А рядом с метро, массажные кресла, фрукты, десерты, настольный теннис.