ML инженер

О проекте: Мы разрабатываем интеллектуальные системы на базе современных embedded-платформ и алгоритмов машинного обучения для задач восприятия окружающей среды и управления роботизированными комплексами. Команда занимается созданием систем мультимодальной детекции, объединяющих данные с оптических сенсоров, аудиосистем и других источников информации. В рамках проекта разрабатываются ML-модели для обнаружения, классификации и анализа объектов по изображениям, звуковым сигналам и различным признакам среды. Полученные данные используются для принятия решений системой управления и взаимодействия с исполнительными механизмами. Обязанности: Разработка, обучение и оптимизация моделей машинного обучения для задач компьютерного зрения и обработки аудиосигналов. Создание алгоритмов оптической детекции: обнаружение объектов, анализ контуров, движения, контраста, текстур и других визуальных признаков. Разработка моделей для обработки звуковых сигналов: детекция событий, классификация источников звука, выделение полезных сигналов на фоне шумов. Подготовка и обработка датасетов: сбор данных, разметка, аугментация, анализ качества выборок. Настройка и оптимизация нейросетей для работы в режиме реального времени на embedded-платформах (NVIDIA Jetson и аналогичные системы). Интеграция ML-моделей с программным обеспечением системы сбора данных и управления исполнительными механизмами. Проведение экспериментов, оценка качества моделей, поиск и устранение ошибок детекции. Оптимизация производительности моделей с учетом ограничений вычислительных ресурсов и требований к задержкам. Требования: Образование в области машинного обучения, компьютерных наук, математики, робототехники, электроники или смежных направлений. Опыт разработки и внедрения ML-моделей от 2 лет. Уверенное владение Python. Опыт работы с ML-фреймворками: PyTorch и/или TensorFlow. Понимание принципов работы нейронных сетей для задач компьютерного зрения и обработки сигналов. Опыт работы с алгоритмами детекции и классификации объектов (CNN, YOLO, SSD, Faster R-CNN и аналоги). Знание методов обработки изображений: фильтрация, сегментация, выделение признаков, анализ контраста и границ объектов. Опыт работы с аудиоданными: спектральный анализ, FFT, Mel-спектрограммы, классификация звуковых событий. Навыки работы с OpenCV и библиотеками обработки данных (NumPy, Pandas, SciPy). Понимание принципов подготовки датасетов и оценки качества моделей (precision, recall, mAP, F1-score). Умение работать с Linux-средой и системами контроля версий (Git). Способность работать самостоятельно, проводить исследования и доводить решения до работающего прототипа. Будет преимуществом: Опыт разработки ML-решений для embedded-платформ NVIDIA Jetson. Знание инструментов оптимизации моделей: TensorRT, ONNX, CUDA. Опыт работы с камерами, тепловизорами, лидарами, радарами и другими сенсорами. Опыт построения мультимодальных моделей, объединяющих данные от нескольких типов сенсоров. Опыт работы с задачами трекинга объектов, оценки положения объектов в пространстве и sensor fusion. Опыт обработки аудио в реальных условиях: шумы, эхосигналы, удаление помех. Опыт разработки систем реального времени для робототехнических комплексов. Условия: Современный офис и оснащенная лаборатория для разработки и тестирования робототехнических систем. Постоянный доступ к оборудованию: NVIDIA Jetson, камеры различного типа, микрофонные массивы, сенсоры и вычислительные платформы. Работа над сложными задачами на стыке машинного обучения, компьютерного зрения, обработки сигналов и робототехники. Возможность влиять на архитектуру решений и участвовать в полном цикле разработки — от исследования идеи до внедрения в реальную систему. Возможности для профессионального роста, обучения и развития экспертизы в области AI и embedded ML.