- Страна
- Казахстан
- Зарплата
- 150 000 ₽ – 300 000 ₽
Откликайтесь
на вакансии с ИИ
Computer Vision Engineer (Middle/Senior)
Оценка ИИВысокая заработная плата для региона, работа с передовым стеком (LLM, Agentic AI) и участие в значимом государственном проекте делают вакансию очень привлекательной. Офисный формат в Астане может быть ограничением для некоторых кандидатов.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в оптимизации моделей (TensorRT, CUDA) и работе с высоконагруженными видеопотоками через DeepStream, что повышает порог входа. Дополнительная сложность заключается в интеграции CV с LLM и агентными системами.
Анализ зарплаты
Оценка ИИПредложенная зарплата (750к - 1.5м тенге NET) находится на уровне выше среднего для Middle/Senior специалистов в Казахстане. Верхняя планка соответствует топовым предложениям на местном рынке для экспертов в области AI/ML.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Yurt tech уже сейчас
Присоединяйтесь к Yurt Tech для работы над масштабными государственными проектами в области видеоаналитики и ИИ!
Описание вакансии
Computer Vision Engineer (Middle/Senior)
Yurt Tech
750,001 to 1,500,000 KZT NET per month
Astana / Office
IT company specializing in software development, IT outsourcing, and R&D for AI, IoT, and digital security. Development of a large-scale video monitoring and intelligent video analytics system for a government project.
Responsibilities:
• Develop production video analytics and processing systems.
• Build high-load pipelines using NVIDIA DeepStream, GStreamer, and TensorRT.
• Work with RTSP streams, YOLO, Vision Transformers, and multimodal models.
• Optimize models with TensorRT, ONNX, OpenVINO, CUDA.
• Integrate Computer Vision with LLM, RAG, and Agentic AI.
Requirements:
• Computer Vision
• Video Analytics
• PyTorch
• OpenCV
• RTSP
Optional:
• LLM
• LangGraph
• vLLM
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Computer Vision
- PyTorch
- OpenCV
- NVIDIA DeepStream
- GStreamer
- TensorRT
- YOLO
- Vision Transformers
- ONNX
- OpenVINO
- CUDA
- LLM
- RAG
- LangGraph
Возможные вопросы на собеседовании
Проект предполагает работу с государственными системами мониторинга, где критически важна производительность.
Как бы вы оптимизировали пайплайн обработки видео в DeepStream для минимизации задержки при использовании тяжелых моделей вроде Vision Transformers?
Вакансия упоминает работу с RTSP и высоконагруженными системами.
С какими основными проблемами вы сталкивались при декодировании большого количества RTSP-потоков одновременно и как их решали?
Указано требование по оптимизации моделей.
В каких случаях вы выберете квантование INT8 вместо FP16 при использовании TensorRT, и как это повлияет на точность детекции YOLO?
В обязанностях указана интеграция CV с LLM и RAG.
Опишите архитектуру системы, где результаты видеоаналитики (например, события) используются в качестве контекста для LLM-агента.
Работа с мультимодальными моделями является частью R&D задач компании.
Каков ваш опыт работы с CLIP или аналогичными моделями для поиска по видеоконтенту на естественном языке?
Похожие вакансии
Архитектор мультиагентных систем на базе LLM
Аналитик AI-агентов Senior
Аналитик AI-агентов
Senior Analyst AI-агентов
Middle/Senior AI-разработчик
Python-разработчик (AI)
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!