Інженер машинного навчання (комп'ютерне бачення) в ITalent Spot

Про нас

Нашим клієнтом є стартап MilTech, який створює локальну платформу для автоматизованого анотування відео БПЛА та навчання моделей комп’ютерного бачення для автономних польоту.

Ми маємо стратегічне партнерство з одним із найбільших українських виробників БПЛА та доступ до наймовірно найбільшого приватного набору відеоданих БПЛА в world.

Компанія знаходиться на дуже ранній стадії — фінансування забезпечено, технічне бачення є, а дані доступні. Зараз ми зосереджені на створенні основної команди інженерів, щоб перетворити цю платформу в реальність.

Роль

Ми шукаємо інженера з комп’ютерного зору/машинного навчання.

Ми шукаємо інженера CV/ML, щоб приєднатися в якості одного з перших інженерів у команді. Ви тісно співпрацюватимете з технічним керівником, щоб побудувати конвеєр ML з нуля — впровадження основних компонентів для обробки даних, навчання моделей і розгортання.

Це запуск на ранній стадії, тому технічний стек і процеси ще формуються. Ви матимете реальний внесок у інструменти та підходи, які ми використовуємо, і ваша робота безпосередньо визначатиме, як працює платформа. Ми шукаємо людину, яка практична, допитлива та комфортно створює речі, яких ще не існує.

Що ви працюватимете над конвеєром і попередньою обробкою даних

• Створюйте конвеєри попередньої обробки відео: сегментація кліпу, вилучення кадрів, визначення сцени, якість фільтрування

• Запровадити робочі процеси вилучення та контролю даних для вибору різноманітних навчальних підмножин із великого відеокорпусу

• Підготувати та експортувати набори даних у стандартних форматах для навчання та анотацій

Навчання та експериментування моделі

• Навчіть і оцініть моделі комп’ютерного зору для виявлення, класифікації, відстеження та сегментації об’єктів

• Проведіть експерименти, відстежуйте результати та повторюйте архітектури та гіперпараметри моделей

• Запроваджуйте стратегії збільшення даних для надійності в залежності від погоди, освітлення та оклюзії умови

• Внести внесок у розподілені навчальні конвеєри з кількома графічним процесором

Активне навчання та підтримка анотацій

• Запровадити конвеєри автоматичного маркування за допомогою конфіденційної маршрутизації

• Створити інструменти навколо платформи анотацій (попередня анотація, перетворення формату, якість

• Підтримувати автоматичні перевірки якості для узгодженості міток

Розгортання Edge

• Експортуйте та оптимізуйте моделі для висновків на NVIDIA Jetson (ONNX, TensorRT, FP16/INT8quantization)

• Виконайте контрольні тести точності та затримки на периферійних пристроях

• Допомагайте підтримувати конвеєр доставки моделей із навчання до розгортання

Потрібні вимоги

• 3+ роки практичного досвіду роботи з комп’ютерним баченням і глибоким навчанням
• Слідні навички PyTorch — комфортне написання навчальних циклів, користувальницькі набори даних і код моделі
• Досвід роботи принаймні з однією системою виявлення або сегментації (сімейство YOLO, Detectron2, MMDetection або подібне)
• Розуміння метрик оцінки моделі (mAP, IoU, точність/відкликання)
• Знайомство з відстеженням експерименту (MLflow, W&B або подібне)
• Python як основна мова; чистий, добре структурований код
• Зручна робота в Linux і контейнерних середовищах (Docker)

Приємно мати

• Досвід оптимізації моделі (ONNX експорт, TensorRT, квантування)
• NVIDIA Jetson або інша крайова/мобільна програма
• Багатооб’єктне відстеження (ByteTrack, DeepSORT або подібне)
• Досвід роботи з конвеєрами обробки відео (FFmpeg, OpenCV, decord)
• Інструменти керування даними або анотації (FiftyOne, CVAT, Label Studio)
• Розподілене навчання (DDP, Ray Train)
• БПЛА/дрони/робототехніка чи досвід домену MilTech

Що ми пропонуємо

• Приєднайтеся до команди на ранній стадії, де ваші внески формують продукт з першого дня
• Працюйте над усім конвеєром ML, а не лише одним вузьким фрагментом
• Найбільший приватний набір відеоданих БПЛА у світі — петабайтний масштаб, неможливо відтворити
• Виділені локальні ресурси графічного процесора — немає черг у хмарі або переговори щодо бюджету для обчислень
• Підхід з відкритим вихідним кодом насамперед без прив’язки до постачальника
• Швидке зростання в невеликій команді з прямим наставництвом технічного керівника