Dla jednego z naszych partnerów biznesowych realizującego innowacyjne projekty z zakresu wykorzystania sztucznej inteligencji poszukujemy osoby na stanowisko Computer Vision and Machine Learning Engineer.
Poszukujemy inżyniera specjalizującego się w obszarze Computer Vision oraz Machine Learning, który dołączy do zespołu R&D.
Osoba na tym stanowisku będzie odpowiedzialna za rozwój, wdrażanie i optymalizację algorytmów cyfrowego przetwarzania i analizy obrazu oraz wideo, zarówno z wykorzystaniem klasycznych metod przetwarzania obrazów, jak i nowoczesnych technik głębokiego uczenia.
Praca obejmować będzie pełny cykl rozwoju modeli - od eksploracji danych, przez projektowanie architektur i trening modeli, po ich deployment w środowiskach produkcyjnych (w tym systemach wbudowanych i mobilnych).
Zakres wiedzy i umiejętności technicznych:
● Klasyczne metody przetwarzania i rozpoznawania obrazów:
Segmentacja obrazu (np. thresholding, watershed, region growing),
Filtracja i poprawa jakości obrazu (np. filtry Sobela, Gaussa, Canny),
Morfologia matematyczna,
Analiza konturów i kształtów (np. niezmienniki momentowe, współczynniki kształtu),
Ekstrakcja cech (np. SIFT, HOG, ORB),
Kalibracja kamery i przekształcenia geometryczne,
Analiza ruchu (optical flow, detekcja zmian w obrazie).
● Klasyczne metody uczenia maszynowego:
Algorytmy klasyfikacji i regresji (np. SVM, Random Forest, k-NN),
Redukcja wymiarowości (np. PCA, t-SNE),
Metody klasteryzacji (np. K-Means, DBSCAN),
Walidacja krzyżowa i techniki regularyzacji,
Feature engineering i selekcja cech.
● Głębokie uczenie i wizja komputerowa:
Detekcja obiektów w obrazach 2D (np. CenterNet, YOLO, SSD),
Segmentacja semantyczna i instancyjna (np. U-Net, Mask R-CNN),
Analiza wideo i rozpoznawanie akcji (np. I3D, SlowFast, R(2+1)D),
Transfer learning i fine-tuning pretrenowanych modeli,
Zarządzanie treningiem modeli i tuning hiperparametrów.
● Znajomość technologii i narzędzi programistycznych takich jak:
Linux,
Visual Studio Code,
Python,
Git,
OpenCV,
TensorFlow,
Keras,
PyTorch,
SciKit Learn,
SciPy,
Numpy,
Pandas,
Matplotlib,
TensorBoard,
Jupyter Notebook.
Mile widziane doświadczenia i umiejętności techniczne:
Doświadczenie min 3-4 lata (Mid/Regular),
Doświadczenie w analizie danych medycznych i/lub sportowych,
Tworzenie i implementacja własnych architektur sieci neuronowych od podstaw,
Optymalizacja inferencji modeli (TensorRT, TorchScript, Torch Compile),
Deployment modeli na platformach embedded/mobilnych (np. Jetson, Raspberry Pi, Coral, Android/iOS),
Tworzenie dedykowanych narzędzi do adnotacji danych (np. z użyciem Flask).
Wymagania nietechniczne:
Znajomość języka angielskiego umożliwiająca komunikację oraz pracę z dokumentacją techniczną,
Chęć nauki i wdrażania nowych technologii,
Proaktywność w rozwiązywaniu problemów i sugerowaniu usprawnień,
Umiejętność samodzielnej organizacji pracy oraz współpracy w zespole.
Oferta:
Rodzaj umowy (B2B/UoP),
Praca zdalna, możliwość umówienia elastycznych godzin pracy,
Stawka do ustalenia - klient jest otwarty na propozycje,
Okazjonalne spotkania u klienta (Polska/Czechy), w celu zebrania danych uczących,
Sprawny proces rekrutacyjny – 1 rozmowa techniczna z CTO,
Długofalowa współpraca.