CV-инженер (техлид) в службу AI-сервисов Лавки
Яндекс Лавка — сервис быстрой доставки товаров из дарксторов. За клиентским приложением стоит большой пласт операционной деятельности: дарксторы, распределительные центры, производство и другие процессы, где много рутинных проверок и огромный потенциал для применения computer vision.Ведение CV-решений end-to-end
Вам предстоит вести весь технический контур от выбора подхода и архитектуры до продакшна: определять, где достаточно анализа изображений, а где нужен видеоанализ, решать, когда подходят готовые модели, а когда требуется дообучение. Детекция нарушений по камерам в дарксторах
Вы будете разрабатывать решения, которые автоматически выявляют отклонения в корректности хранения товара, соблюдении норм гигиены, правил пожарной безопасности и других операционных требований. Написание кода и сборка пайплайнов
Вам нужно будет писать продакшн-код, собирать пайплайны обработки и инференса, доводить решения до стабильной работы в продакшне. Баланс качества, стоимости и надёжности
Важно уметь смотреть на задачу с точки зрения не только качества модели, но и стоимости инфраструктуры, надёжности и сложности внедрения. Больше об ML в Яндексе — в канале Yandex for ML* Работали с видеоаналитикой или готовы в неё погружаться * Имеете сильный опыт в computer vision: детекции, сегментации, классификации * Умеете самостоятельно вести CV-проекты от идеи до продакшна * Разрабатываете на Python, владеете фреймворками: PyTorch или аналогами * Понимаете, как устроены MLOps-пайплайны и деплой моделей * Проактивны и очень самостоятельны* Работали с real-time-видеоаналитикой * Оптимизировали модели: работали с TensorRT, ONNX и другими инструментами * Разворачивали CV-решения в промышленных или операционных средах
Вам предстоит вести весь технический контур от выбора подхода и архитектуры до продакшна: определять, где достаточно анализа изображений, а где нужен видеоанализ, решать, когда подходят готовые модели, а когда требуется дообучение. Детекция нарушений по камерам в дарксторах
Вы будете разрабатывать решения, которые автоматически выявляют отклонения в корректности хранения товара, соблюдении норм гигиены, правил пожарной безопасности и других операционных требований. Написание кода и сборка пайплайнов
Вам нужно будет писать продакшн-код, собирать пайплайны обработки и инференса, доводить решения до стабильной работы в продакшне. Баланс качества, стоимости и надёжности
Важно уметь смотреть на задачу с точки зрения не только качества модели, но и стоимости инфраструктуры, надёжности и сложности внедрения. Больше об ML в Яндексе — в канале Yandex for ML* Работали с видеоаналитикой или готовы в неё погружаться * Имеете сильный опыт в computer vision: детекции, сегментации, классификации * Умеете самостоятельно вести CV-проекты от идеи до продакшна * Разрабатываете на Python, владеете фреймворками: PyTorch или аналогами * Понимаете, как устроены MLOps-пайплайны и деплой моделей * Проактивны и очень самостоятельны* Работали с real-time-видеоаналитикой * Оптимизировали модели: работали с TensorRT, ONNX и другими инструментами * Разворачивали CV-решения в промышленных или операционных средах