- Страна
- Россия
Lead Computer Vision Engineer / Computer Vision Tech Lead
Оценка ИИВысокий статус проекта (государственный масштаб) и современный стек технологий делают вакансию привлекательной для опытных инженеров. Однако отсутствие указанной зарплаты и информации о компании немного снижают общую оценку.
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 не только глубоких знаний в области CV и оптимизации моделей под NVIDIA TensorRT, но и навыков архитектурного проектирования и технического лидерства в крупном госпроекте. Высокая ответственность и сложность стека (GStreamer, DeepStream) делают позицию доступной только для экспертов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Lead CV Engineer в России рыночный диапазон составляет от 400 000 до 600 000 рублей. Учитывая масштаб государственного проекта, можно ожидать зарплату по верхней границе рынка или наличие значительных бонусов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Lead Computer Vision Engineer / Computer Vision Tech Lead
Грейд: Lead
Стек: Python, PyTorch, OpenCV, YOLO, RTSP, GStreamer, NVIDIA DeepStream, TensorRT
Мы разрабатываем масштабную систему видеомониторинга и интеллектуальной видеоаналитики для государственного проекта. Ищем технического лидера направления Computer Vision, который возьмет на себя архит…
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- OpenCV
- YOLO
- RTSP
- GStreamer
- NVIDIA DeepStream
- TensorRT
- C++
Возможные вопросы на собеседовании
Lead-позиция подразумевает выбор архитектуры. Важно понять, как кандидат будет строить конвейер обработки множества потоков.
Как бы вы спроектировали архитектуру системы видеоаналитики для обработки 1000+ RTSP-потоков в реальном времени с использованием NVIDIA DeepStream?
Проект масштабный, поэтому оптимизация ресурсов критична. Проверяется знание TensorRT.
Какие методы оптимизации моделей YOLO вы используете для достижения максимального FPS на GPU NVIDIA без значительной потери точности?
GStreamer часто является узким местом в CV-пайплайнах. Проверяется практический опыт работы с фреймворком.
С какими типичными проблемами при работе с GStreamer-пайплайнами вы сталкивались и как решали вопросы синхронизации потоков?
Lead должен уметь выстраивать процессы обучения и деплоя.
Опишите ваш подход к организации процесса CI/CD для ML-моделей (MLOps) в команде компьютерного зрения.
Работа в госпроекте требует умения обосновывать технические решения.
Как вы принимаете решение о выборе конкретной архитектуры нейросети для задачи детекции объектов в условиях ограниченных вычислительных ресурсов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
