- Страна
- Казахстан
- Зарплата
- 1 200 000 ₽ – 1 500 000 ₽
CV Engineer
Оценка ИИИнтересный проект в сфере промышленной видеоаналитики с четко очерченными задачами и адекватным стеком. Зарплата конкурентоспособна для рынка Казахстана, а удаленный формат работы является большим плюсом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в специфических метриках (FAR/FRR) и опыта оптимизации моделей именно под CPU, что сложнее стандартного GPU-сервинга. Также необходим опыт работы с Go в дополнение к Python.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата в 1.2–1.5 млн тенге находится в пределах рыночной нормы для Middle/Senior CV-инженеров в Казахстане, хотя для специалистов мирового уровня может казаться средней.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#computervision #machinelearning #python #onnx #mlengineer #itjobs
CV Engineer (remote) в I2NIK
1 200 000 - 1 500 000 тг
О проекте
Промышленная видеоаналитика. Ядро уже работает - детекция, трекинг, распознавание лиц, детектор СИЗ, API и веб-интерфейс. Нужно довести систему до продакшн внедрения.
Задачи:
- Довести распознавание лиц до измеримого качества: разметка, калибровка порогов, метрики FAR/FRR
- Устойчивое отслеживание
- Оптимизация производительности пайплайна под CPU-only сервер для оффлайн обработки
- Обучение и дообучение детекторов на собственных данных, организация разметки
Требования
- Уверенный Python + Go, опыт с ONNX/ONNX Runtime (экспорт, opset, оптимизация latency на CPU, а не GPU serving)
- Опыт с YOLO
- Face detection/recognition пайплайны (детектор + embedding + порог по cosine similarity)
- Опыт с OpenCV DNN/Zoo моделями плюс
- Object tracking (IoU/ByteTrack-подобные трекеры, multi-object tracking metrics, ID switches)
Резюме отправлять Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Computer Vision
- Machine Learning
- Python
- Go
- ONNX
- ONNX Runtime
- YOLO
- OpenCV
- Object Tracking
- Face Recognition
Возможные вопросы на собеседовании
Проект требует оптимизации под CPU-only серверы.
Какие техники оптимизации ONNX моделей вы используете для минимизации latency при работе на CPU?
Одной из задач является доведение распознавания лиц до измеримого качества.
Как вы планируете выстраивать процесс калибровки порогов для достижения целевых показателей FAR и FRR?
В требованиях указан трекинг объектов.
Как вы боретесь с проблемой ID switches в условиях перекрытия объектов (occlusion) в промышленной среде?
Вакансия предполагает работу с Go.
В каких частях ML-пайплайна вы считаете наиболее эффективным использование Go по сравнению с Python?
Упоминается работа с собственными данными и разметка.
Как вы организуете процесс активного обучения (active learning), чтобы минимизировать объем ручной разметки при дообучении детекторов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
