- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist (CV)
Оценка ИИOzon Tech — один из топовых работодателей в РФ с сильной инженерной культурой. Вакансия предлагает работу над реальными физическими задачами автоматизации, современный стек и гибкий формат работы.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в Computer Vision и умения работать с high-load системами. Дополнительную сложность создают требования к оптимизации инференса и знанию инфраструктурных инструментов (Kubernetes, TensorRT).
Анализ зарплаты
Оценка ИИЗарплата в Ozon Tech обычно соответствует верхнему сегменту рынка для Senior/Middle+ специалистов. Учитывая сложность задач CV и требования к high-load, ожидаемый доход будет выше среднего по рынку РФ.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Ozon Tech уже сейчас
Присоединяйтесь к команде Ozon Tech и создавайте передовые CV-системы для крупнейшего маркетплейса!
Описание вакансии
Компания: Ozon Tech
Локация: РФ, РБ, КЗ, др страны
Формат работы: гибрид, удаленка
Занятость: полная
Заработная плата будет обсуждать индивидуально
Должность: Data Scientist (CV)
Привет! Мы команда разработки систем технического зрения. Развиваем технологии компьютерного зрения для автоматизации складских процессов Ozon. Наши решения работают с реальными видеопотоками и ML-моделями в продакшене, помогая повышать операций и снижать влияние человеческого фактора.
Ищем специалиста, который будет создавать и развивать CV-системы — от выбора алгоритмов до внедрения в промышленную эксплуатацию.
Вы будете
-Разрабатывать и улучшать модели компьютерного зрения (детекция, классификация, трекинг, сегментация).
-Подбирать алгоритмы и подходы под прикладные задачи, проводить эксперименты и оценивать качество моделей.
-Оптимизировать модели и алгоритмы для эффективной и быстрой работы на больших объёмах данных в production.
—Проектировать и оптимизировать inference-пайплайны, включая real-time сценарии.
-Разрабатывать ML- сервисы и работать с микросервисной архитектурой (Python).
-Анализировать производительность решений и находить узкие места - от моделей до инфраструктуры.
-Работать с видеопотоками и создавать high-load системы обработки данных.
-Взаимодействовать с инженерами и разработчиками на всех этапах - от исследования до продакшена.
Нам важно:
-Высшее образование в области математики, компьютерных наук или смежных технических дисциплин.
-Уверенное знание Python и опыт промышленной разработки.
-Практический опыт в Computer Vision или Machine Learning.
-Понимание классических алгоритмов CV и современных ML-подходов.
-Знание основных метрик качества моделей и методов их валидации.
-Хорошую алгоритмическую базу (структуры данных, оценка сложности).
-Навыки написания чистого, поддерживаемого кода и работы с Git.
Будет плюсом:
-Опыт работы с GPU (Nvidia, CUDA, TensorRT).
-Опыт построения real-time систем или оптимизации latency.
-Опыт deployment и применения MLOps-практик.
-Опыт работы с видеопотоками (RTSP/RTP) или потоковыми системами обработки данных.
-Опыт разработки high-load сервисов.
-Знание C++ для performance-критичных компонентов.
-Опыт работы с Airflow, Docker, Kubernetes или аналогичной инфраструктурой.
-Знание SQL и опыт работы с БД.
-Навыки написания unit- и integration-тестов.
-Английский язык на уровне чтения технической документации.
Работа в Ozon Tech — это
Люди, которым не всё равно — ценим инициативу и самостоятельность, доверяем друг другу и даём свободу в принятии решений.
Открытая культура — мы учимся на ошибках и фокусируемся на решении проблем, а не на поиске виноватых.
Сильная команда, которой мы гордимся — обсуждаем идеи, обмениваемся экспертизой, просим совета и поддерживаем друг друга.
Современный стек и развитая инженерная культура - реализуем амбициозные проекты и создаем решения, которых еще нет на рынке.
По всем вопросам Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- C++
- Python
- PyTorch
- Machine Learning
- SQL
- Kubernetes
- Computer Vision
- MLOps
- Docker
- Airflow
- CUDA
- TensorRT
- RTSP
- GPU
Возможные вопросы на собеседовании
Проверка понимания специфики работы с видеопотоками в реальном времени.
Как бы вы организовали пайплайн обработки видеопотока RTSP для минимизации задержки (latency) при детекции объектов?
Оценка навыков оптимизации моделей для продакшена.
Какие методы оптимизации нейросетей вы использовали для ускорения инференса на GPU (например, квантование, прунинг, TensorRT)?
Проверка алгоритмической подготовки и понимания метрик.
Как изменится ваш подход к выбору метрик, если в задаче классификации складских объектов наблюдается сильный дисбаланс классов?
Оценка опыта работы с трекингом объектов.
С какими проблемами вы сталкивались при реализации алгоритмов трекинга (например, перекрытие объектов) и как их решали?
Проверка инженерной культуры и навыков работы в команде.
