Инженер по машинному обучению (компьютерное зрение) в ITalent Spot

О нас

Наш клиент — стартап MilTech, создающий локальную платформу для автоматического аннотирования видео БПЛА и обучения моделей компьютерного зрения для автономного полета.

У нас стратегическое партнерство с одним из крупнейших украинских производителей БПЛА и доступ к вероятно крупнейшему в мире набору видеоданных с частных БПЛА.

Компания на очень ранней стадии — финансирование обеспечено, техническое видение существует и данные доступны. Сейчас мы сосредоточены на создании основной команды инженеров, которая претворит эту платформу в реальность.

Роль

Мы ищем инженера по компьютерному зрению/машинному обучению.

Мы ищем Инженер CV/ML присоединится к команде в качестве одного из первых инженеров. Вы будете тесно сотрудничать с техническим руководителем, чтобы построить конвейер машинного обучения с нуля — внедрять основные компоненты для обработки данных, обучения моделей и развертывания.

Это стартап на ранней стадии, поэтому технологический стек и процессы все еще формируются. Вы получите реальный вклад в инструменты и подходы, которые мы применяем, и ваша работа будет напрямую определять, как работает платформа. Мы ищем практичного, любопытного и умеющего создавать вещи, которых еще не существует.

Над чем вы будете работать: конвейер данных и предварительная обработка

• Создание конвейеров предварительной обработки видео: сегментация клипов, извлечение кадров, обнаружение сцен, фильтрация качества

• Реализовать встраивание извлечения и данных рабочие процессы курирования для выбора разнообразных обучающих подмножеств из огромного корпуса видео

• Подготовка и экспорт наборов данных в стандартных форматах для обучения и аннотирования

Обучение и экспериментирование с моделями

• Обучение и оценка моделей компьютерного зрения для обнаружения, классификации, отслеживания и отслеживания объектов сегментация

• Проведение экспериментов, отслеживание результатов и повторение архитектуры моделей и гиперпараметров

• Реализация стратегий увеличения данных для обеспечения устойчивости к погодным условиям, освещению и условиям окклюзии

• Участие в распределенных конвейерах обучения нескольких графических процессоров

Активное обучение и поддержка аннотаций

• Внедрить конвейеры автоматической маркировки с доверительной маршрутизацией

• Создать инструменты вокруг платформы аннотаций (предварительные аннотации, преобразование формата, качество

• Поддерживать автоматические проверки качества на согласованность меток

Edge Deployment

• Экспортируйте и оптимизируйте модели для вывода на NVIDIA Jetson (ONNX, TensorRT, FP16/INT8quantization)

• Выполняйте тесты точности и задержки на периферийных устройствах

• Помогайте поддерживать конвейер доставки моделей от обучения до развертывания

Обязательные требования Иметь

• 3+ года практического опыта в области компьютерного зрения и глубокого обучения.
• Хорошие навыки PyTorch — удобное написание обучающих циклов, пользовательских наборов данных и кода модели.
• Опыт работы хотя бы с одной платформой обнаружения или сегментации (семейство YOLO, Detectron2, MMDetection или аналогичные).
• Понимание показателей оценки модели. (mAP, IoU, точность/отзыв)
• Знакомство с отслеживанием экспериментов (MLflow, W&B или аналогично).
• Python как основной язык; чистый, хорошо структурированный код.
• Удобная работа в Linux и контейнерных средах (Docker).

Приятно иметь

• Опыт оптимизации модели (экспорт ONNX, TensorRT, квантование).
• NVIDIA Jetson или другое периферийное/мобильное развертывание.
• Отслеживание нескольких объектов (ByteTrack, DeepSORT или подобное).
• Опыт работы с конвейерами обработки видео (FFmpeg, OpenCV, Decord).
• Курирование данных или аннотирование. инструменты (FiftyOne, CVAT, Label Studio)
• Распределенное обучение (DDP, Ray Train)
• БПЛА/дроны/робототехника или опыт работы в сфере MilTech

Что мы предлагаем

• Присоединяйтесь к команде на ранней стадии, где ваш вклад формирует продукт с первого дня.
• Работайте над всем конвейером машинного обучения — а не только над одним узким фрагментом.
• Самый большой в мире набор видеоданных с частных БПЛА — петабайтный масштаб, невозможно воспроизвести.
• Выделенные локальные ресурсы графического процессора — никаких очередей в облаке и переговоров по бюджету вычислять
• Подход с открытым исходным кодом без привязки к поставщику.
• Быстрый рост в небольшой команде под непосредственным наставничеством технического руководителя.