Обязанности:

• Разработка и внедрение моделей компьютерного зрения: классификация изображений, детекция объектов (YOLO, Faster R-CNN), сегментация (UNet, Mask R-CNN), трекинг
• Обработка и предобработка изображений (OpenCV): фильтрация, увеличение (augmentation), нормализация
• Работа с видео-потоками: извлечение кадров, анализ в реальном времени, трекинг объектов
• Настройка и дообучение предобученных моделей (ResNet, EfficientNet, ViT) для специфических задач
• Оптимизация моделей для работы на мобильных устройствах и встраиваемых системах (TFLite, ONNX, TensorRT, OpenVINO)
• Интеграция CV-решений с бэкенд-системами и API
• Мониторинг качества моделей и организация переобучения (retraining)

Требования:

• Опыт: работы в Computer Vision от 2 лет
• Знание Python и основных библиотек: OpenCV, PyTorch, TensorFlow, Keras, scikit-image
• Понимание архитектур свёрточных нейросетей (CNN), трансформеров для зрения (ViT)
• Опыт работы с большими наборами изображений и видео (Pandas, PIL)
• Знание методов аугментации и работы с несбалансированными данными
• Навыки оптимизации моделей (квантование, прунинг, дистилляция)
• Английский: уровень не ниже Intermediate (чтение статей, документации и работа с датасетами)

Часто задаваемые вопросы:

Чем Computer Vision инженер отличается от ML Engineer?
ML Engineer работает с разными типами данных (числовые, текстовые, временные ряды). Computer Vision инженер специализируется именно на изображениях и видео: их обработке, анализе и интерпретации.

Какие задачи решает Computer Vision инженер?
Распознавание лиц, детекция объектов на производстве (дефекты, брак), медицинская диагностика по снимкам (МРТ, рентген), анализ поведения в видеопотоках, распознавание текста (OCR), дополненная реальность, беспилотные автомобили.

Какие модели сейчас наиболее востребованы в Computer Vision?
Для детекции — YOLO (v8, v9, v10), RT-DETR. Для сегментации — UNet, SAM (Segment Anything). Для классификации — ResNet, EfficientNet, ViT (Vision Transformer). Для трекинга — DeepSORT, ByteTrack.

Какой стек нужен Computer Vision инженеру?
Python, PyTorch (или TensorFlow), OpenCV, scikit-image, Albumentations (аугментация), Docker, FastAPI, ONNX (или TensorRT для оптимизации), Git.