- Зарплата
- 6 000 €
Senior Machine Learning Engineer (Computer Vision)
Оценка ИИОтличное предложение для Senior-специалиста: работа над инновационным продуктом в сфере VR, прозрачная вилка в евро и возможность полной удаленки. Высокий балл обусловлен интересным стеком технологий и глобальным охватом продукта, хотя ограничения по ИП могут подойти не всем.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованиями к глубокой экспертизе в Computer Vision (5+ лет), знанием специфических областей вроде video matting и tracking, а также необходимостью иметь ИП за пределами РФ/РБ. Дополнительным вызовом является работа с VR-устройствами и возможная необходимость использования C++ и шейдеров.
Анализ зарплаты
Оценка ИИПредложенная компенсация в €6,000 gross является конкурентоспособной для европейского рынка на позиции Senior ML Engineer. Она находится в пределах медианы для опытных специалистов, работающих удаленно на международные компании, хотя для топовых локаций (например, Германия или Швейцария) может быть чуть ниже среднего.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Infomediji уже сейчас
Присоединяйтесь к команде DeoVR и создавайте будущее интерактивного видео с помощью передовых технологий Computer Vision!
Описание вакансии
🚀 Senior Machine Learning Engineer (Computer Vision)
🌍 Remote | B2B - только ИП вне РФ и РБ
Infomediji - международная продуктовая компания, создающая DeoVR, одну из ведущих в мире платформ в сфере VR, Spatial Media и immersive streaming. Нашими продуктами пользуются миллионы людей по всему миру, а сейчас мы строим новое поколение интерактивного видео, объединяя VR, AI, multi-user experiences и haptics.
Мы ищем Senior ML Engineer (CV), который возьмет на себя техническое развитие AI Mosaic - нашего продакшн CV-продукта, автоматически создающего точное, form-fitting мозаичное censoring видео вместо ручного покадрового маскирования. Продукт уже в проде и обрабатывает контент для крупных японских дистрибьюторов.
Что важно:
5+ лет коммерческого опыта в ML, с фокусом на Computer Vision
Сильные навыки Python, хорошее знание структур данных и алгоритмов
Опыт построения расширяемых, воспроизводимых и поддерживаемых ML-пайплайнов
Опыт с video matting, segmentation, tracking или spatiotemporal ROI extraction - большой плюс
Product mindset - умение связывать технические улучшения с реальным продуктовым impact
Проактивность и готовность самостоятельно находить точки роста продукта
BSc в CS, Math или смежной области
Будет плюсом:
C++, опыт деплоя на edge-девайсы (mobile, VR headset)
Опыт написания шейдеров (GLSL, HLSL)
MSc в CS, Math или смежной области
Стек: Python, C++, Unity, PyTorch, MLflow, DVC, OpenCV, Airflow, Qdrant, Redis, MongoDB, RabbitMQ, MMLib, Feast
💶 Компенсация: бюджет примерно €6,000 gross/месяц (B2B) - готовы быть гибкими в зависимости от опыта кандидата.
📍 Формат работы:
Полностью удаленно
Только B2B (необходимо иметь или быть готовым открыть ИП/аналог) и мы работаем с ИП оформленным только за пределами РБ и РФ.
📩 Если вам интересна роль или можете порекомендовать сильного ML-инженера, присылайте CV в личные сообщения.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- C++
- Unity
- PyTorch
- MLflow
- DVC
- OpenCV
- Airflow
- Qdrant
- Redis
- MongoDB
- RabbitMQ
- Computer Vision
- GLSL
- HLSL
Возможные вопросы на собеседовании
Проверка опыта работы с ключевой задачей продукта — обработкой видео.
Расскажите о вашем опыте работы с video matting или сегментацией в реальном времени. С какими основными трудностями вы сталкивались при обеспечении временной согласованности (temporal consistency)?
Оценка навыков построения надежной инфраструктуры для ML.
Как вы организуете воспроизводимость экспериментов и версионирование данных в своих проектах? Был ли у вас опыт работы с DVC и MLflow в продакшене?
Проверка продуктового мышления и проактивности.
Представьте, что точность AI Mosaic падает на определенном типе контента. Как бы вы подошли к диагностике проблемы и приоритизации улучшений, исходя из бизнес-метрик?
Оценка технической гибкости и работы с ограничениями железа.
Был ли у вас опыт оптимизации ML-моделей для работы на edge-устройствах (например, VR-шлемах)? Какие техники квантования или прунинга вы использовали?
Проверка алгоритмической базы.
