Newxel
Newxel
Newxel — постачальник послуг із підбору ІТ-фахівців та інженерного супроводу, який допомагає компаніям створювати й керувати виділеними командами розробки програмного забезпечення та запускати центри досліджень і розробок під ключ. Послуги компанії охоплюють підбір ІТ-персоналу, розширення команд, створення офшорних центрів розробки, а також юридичну, фінансову й операційну підтримку для масштабування інженерних підрозділів у понад 10 країнах. Newxel співпрацює зі спеціалістами у сфері веб- і мобільної розробки, штучного інтелекту та машинного навчання, великих даних, розробки ігор, забезпечення якості, вбудованого програмного забезпечення, кібербезпеки та блокчейну, підтримуючи довгострокові ділові партнерства й розподілені технічні команди.

Інженер з машинного навчання, комп’ютерний зір (гібридний формат, Польща)

Розробляйте й підтримуйте промислові системи комп’ютерного зору для платформи WSC Sports із прямими трансляціями — від оцінювання моделей до розгортання. Покращуйте GPU-інференс, бенчмарки та перевірку якості для обробки спортивного відео.

Опис

  • Розвивати можливості розуміння відео, зокрема виявлення, відстеження, розпізнавання й аналіз сцен.
  • Підвищувати пропускну здатність GPU-інференсу та знижувати його вартість за допомогою пакетної обробки, налаштування точності й компіляції.
  • Відстежувати якість і затримки в робочому середовищі, досліджувати збої та усувати регресії.
  • Створювати й підтримувати розмічені спортивні бенчмарки з поділом за видами спорту, лігами й типами контенту.
  • Визначати й відстежувати метрики моделей, як-от mAP, F1, точність, повнота, IoU, затримка та вартість GPU.
  • Систематично порівнювати моделі й відтворювати опубліковані результати на даних компанії.
  • Готувати аналітичні записки з рекомендаціями, описом компромісів та умов ліцензування.
  • Підтримувати регресійне тестування й тіньові або A/B-конвеєри для перевірки оновлень моделей і конфігурацій перед випуском.
  • Стежити за науковими публікаціями, релізами моделей і рейтингами, щоб знаходити кандидатів для оцінювання.

Вимоги

  • Щонайменше 3–5 років досвіду впровадження промислових систем машинного навчання, зокрема 2+ роки в комп’ютерному зорі; досвід роботи з відео буде перевагою.
  • Впевнене володіння Python і PyTorch.
  • Практичний досвід профілювання й оптимізації GPU-інференсу за допомогою TensorRT та ONNX Runtime.
  • Практичний досвід щонайменше у двох напрямах: виявлення та сегментація об’єктів; OCR і розпізнавання тексту в сценах; або розпізнавання дій у відео й часова локалізація.
  • Досвід створення тестових вибірок, обчислення mAP, F1 і часового IoU, а також ретельного порівняння моделей.
  • Уміння критично оцінювати наукові статті й картки моделей та відтворювати опубліковані результати.
  • Досвід промислового розгортання з Docker, сервісами на основі черг і хмарною GPU-інфраструктурою.
  • Досвід масштабної обробки відео, зокрема з FFmpeg, конвеєрами декодування та вибіркою кадрів.
  • Сильні навички письмової комунікації та вміння документувати технічні компроміси й надавати чіткі рекомендації.
  • Буде перевагою: Azure Service Bus і Blob Storage, архітектури на основі повідомлень, візуально-мовні моделі, мультимодальне розуміння, тонке налаштування моделей комп’ютерного зору для конкретної предметної області, самонавчання, генерування синтетичних даних, CVAT, Label Studio, тіньові розгортання, A/B-тестування або комерційне ліцензування моделей.

Переваги

  • Відповідати за весь життєвий цикл машинного навчання: від відтворення досліджень і створення бенчмарків до оптимізації GPU-навантажень у реальному часі.
  • Впроваджувати масштабні покращення в промисловому середовищі, скорочуючи витрати на інфраструктуру й затримки завдяки оптимізації моделей.
  • Працювати в інженерному середовищі, де рішення спираються на дані, а особливу увагу приділяють A/B-тестам, тіньовим розгортанням і статистичній перевірці.

Схожі вакансії

EY

Архітектор ШІ в EY (гібридний формат, Катовіце)

EY

Створюйте керовані й масштабовані рішення на основі ШІ для клієнтів EY — від стратегії та архітектури до впровадження. Керуйте ініціативами у сферах генеративного ШІ, LLM, MLOps, хмарних технологій та архітектури даних.

Відкрити