Откликайтесь
на вакансии с ИИ

AI/ML Engineer
Интересный стек технологий и прикладные задачи в реальном секторе (B2B). Удаленный формат и гибкий график делают вакансию привлекательной для квалифицированных инженеров.
Сложность вакансии
Роль требует глубоких знаний в специфических CV-архитектурах и инструментах оптимизации инференса, что характерно для опытных специалистов. Работа с видеопотоками (GStreamer, FFmpeg) добавляет технической сложности.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции AI/ML инженера с таким стеком (TensorRT, GStreamer) рыночные предложения обычно находятся в верхнем сегменте. Указанный диапазон соответствует средним зарплатам для Middle+/Senior специалистов в РФ и СНГ.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Yavvi уже сейчас
Присоединяйтесь к команде Yavvi и создавайте передовые решения в области видеоаналитики для крупного бизнеса!
Описание вакансии
AI/ML Engineer
в Yavvi — инженерная команда, которая специализируется на прикладном машинном зрении и видеоаналитике для B2B (промышленность, логистика, ритейл).
Ключевые навыки: Python, PyTorch, архитектуры CV (YOLO v8/v11, ResNet, Vision Transformers), оптимизация инференса (ONNX, TensorRT, OpenVINO), OpenCV, FFmpeg, GStreamer, Docker, Git.
Удалённая работа. Гибкий график.
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- PyTorch
- YOLO
- ResNet
- Vision Transformers
- ONNX
- TensorRT
- OpenVINO
- OpenCV
- FFmpeg
- GStreamer
- Docker
- Git
Возможные вопросы на собеседовании
Проверка практического опыта работы с актуальными архитектурами.
В чем ключевые отличия YOLO v11 от v8, и в каких сценариях вы бы предпочли одну другой?
Важно для B2B решений, где ресурсы могут быть ограничены.
Расскажите о вашем опыте оптимизации моделей через TensorRT. Какого прироста производительности удавалось достичь без существенной потери точности?
Критический навык для видеоаналитики в реальном времени.
Как вы решаете проблему задержек (latency) при обработке нескольких видеопотоков высокого разрешения одновременно?
Проверка навыков работы с видео-фреймворками.
Опишите типичный пайплайн обработки видео с использованием GStreamer и интеграцией в него ML-модели.
Оценка инженерной культуры.
Как вы организуете процесс деплоя ML-моделей в Docker-контейнеры для обеспечения воспроизводимости результатов?
Похожие вакансии
MLOps Engineer (Senior)
Data Scientist (AutoML)
Team Lead MLOps / Tech Lead
Data Science / ML Engineer
Data инженер Middle+ Senior
AI/ML Engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!