Skip to content
Search jobs inside your AI agent. Claude, ChatGPT, Claude Code, Codex, Gemini, Cursor and Grok
Connect

Canyon Development

NewBe an early applicant

Machine Learning Embedded Engineer

Posted Updated

Description

Здатні побудувати екосистему, де складні нейромережі працюють на межі ресурсних обмежень заліза?

Приєднуйтесь до R&D-команди Canyon Development як Machine Learning Engineer. Вам належить адаптувати та впроваджувати моделі машинного навчання в залізо — від потужних одноплатників і обчислювачів до надмалоспоживаючих мікроконтролерів.
Якщо ви розумієте, як влаштовані сучасні архітектури нейромереж, стежите за трендами у сфері ШІ, вмієте стискати моделі без втрати точності та змушувати їх «літати» на обмеженому за ресурсами залізі — ви відповідатиме за цикл портування та оптимізації ML у наших продуктах.

Ми пропонуємо:
Автономний офіс із генератором у центрі Дніпра, гнучкий графік та продуманий онбординг.
Прямий доступ до обладнання та підтримка з боку досвідчених системних архітекторів.
Внутрішні R&D-проєкти для швидкого занурення в домен і стек.
Власний тренажерний зал, книжковий та шаховий клуби.

Ключові задачі:
Computer Vision: детекція об'єктів у відеопотоці, алгоритми точного вимірювання геометрії, обробка зображень високої роздільної здатності (SAHI / тайлінг).
Обробка сигналів та часових рядів: створення моделей для аналізу часових рядів та пошуку аномалій у даних із датчиків (акселерометрія, температура тощо).
Компресія та оптимізація: застосування PTQ та QAT (INT8/FP16), прунінг та дистиляція SOTA-моделей під цільові NPU, GPU та мікроконтролери.
Процеси та MLOps: спільна з Embedded-інженерами розгортка моделей у прошивку та побудова документально оформленого пайплайну підготовки й оптимізації ML для нових продуктів.

Досвід:
2−3+ роки досвіду в галузі ML, Computer Vision або Data Science.
Практичний досвід портування та автономного запуску моделей на Edge-пристроях / мікроконтролерах.
Здатність системно враховувати апаратні обмеження, аналізувати SOTA-рішення та реалізовувати задачу від вибору архітектури до робочого прототипу на залізі.
Вища технічна освіта: Комп’ютерні науки, Робототехніка, Радіоелектроніка, Прикладна математика, Системний аналіз.

Вимоги до технічного стеку:
Мови: Python (впевнено), базове розуміння C / C++ (для портування та інференсу моделей на мікроконтролерах).
ML / DL архітектури: PyTorch, TensorFlow / Keras (CNN, Transformers, RNN, 1D-CNN).
CV & бібліотеки: OpenCV, Albumentations.
Inference Frameworks: TensorRT, ONNX Runtime, TFLite / TFLite for Microcontrollers.
Hardware Awareness: розуміння архітектурних обмежень NVIDIA Jetson, NXP i.MX8, Raspberry Pi, STM32, ESP32, nRF52/54 (пам'ять RAM/Flash, обчислювальна потужність TOPS, енергоспоживання).

Готові проєктувати та впроваджувати ML-архітектури для автономного заліза? Надсилайте резюме й лінк на GitHub — обговоримо деталі.

Skills

Apply

See also

ML / AI jobs by country — openings, pay and top skills →