Специалист по компьютерному зрению (высоконагруженные системы видеоаналитики)

О компании

EVO AI — IT-компания в области AI-консалтинга и генеративного искусственного интеллекта.
Мы разрабатываем и внедряем AI-агентов, ассистентов и комплексные AI-решения для бизнеса, а также развиваем собственную no-code платформу NovaAgent для создания и оркестрации AI-агентов.
Работаем с крупным российским и международным бизнесом.
От нас ожидают не просто технологию, а глубокое понимание бизнес-процессов и отраслевой специфики клиентов.

Требования:

1. Опыт работы:
   • 2+ года коммерческого опыта в разработке и оптимизации систем компьютерного зрения для обработки видеопотоков в реальном времени.
   • Участие в проектах, связанных с высоконагруженными системами (более 1000 кадров/сек), включая декодирование/кодирование видео на GPU (NVENC, NVDEC, FFmpeg, GStreamer).
   • Опыт оптимизации производительности ML-моделей: quantization, pruning, дистилляция, использование TensorRT, OpenVINO, ONNX Runtime.
2. Технические навыки:
   • Профильное знание Python и фреймворков: PyTorch, TensorFlow, OpenCV, Keras, Dask или Ray для распределенных задач.
   • Глубокое понимание алгоритмов детекции (YOLO, Faster R-CNN), сегментации (Mask R-CNN, U-Net), трекинга (DeepSORT, SiamRPN), а также их метрик (mAP, IoU, MOTA).
   • Опыт работы с GPU/TPU (CUDA, cuDNN), оптимизации инференса моделей под аппаратные ускорители.
   • Знание инструментов для обработки видеопотоков: FFmpeg, GStreamer, RTSP, WebRTC.
   • Уверенное владение Docker, Kubernetes, Airflow.
3. Инфраструктура:
   • Опыт настройки CI/CD (GitLab CI, GitHub Actions), мониторинга (Prometheus, Grafana) и логирования (ELK Stack).
   • Знание баз данных для работы с большими данными: PostgreSQL, Redis, TimescaleDB.
4. GitHub:
   • Публичные проекты с примерами оптимизированного кода для задач реального времени, включая обработку видео и интеграцию с GPU.

Функциональные обязанности:

1. Разработка и оптимизация ML-моделей и пайплайнов для анализа видеопотоков в реальном времени с учетом ограничений по latency (менее 50 мс/кадр).
2. Интеграция алгоритмов детекции, сегментации и трекинга в высоконагруженные системы (микросервисная архитектура, распределенные вычисления).
3. Работа с низкоуровневой оптимизацией:
   • Декодирование видеопотоков на GPU.
   • Асинхронная обработка кадров с использованием многопоточности (asyncio, Celery).
   • Сокращение нагрузки на CPU/GPU за счет эффективного управления памятью и batch-обработки.
4. Анализ и улучшение метрик качества моделей, A/B-тестирование алгоритмов.
5. Проектирование отказоустойчивых конвейеров обработки данных с балансировкой нагрузки.
6. Взаимодействие с DevOps для деплоя решений на облачных платформах (AWS, GCP, Azure) и edge-устройствах.

Ключевые задачи компьютерного зрения:

• Реализация алгоритмов для работы в условиях частичной потери данных (артефакты сжатия, низкое качество видео).
• Трекинг объектов в сценах с высокой плотностью (crowd detection) и динамическим фоном.
• Оптимизация пайплайна "frame capture → preprocessing → inference → postprocessing" для минимизации задержек.

Навыки написания продакшн-кода:

• Умение писать код, готовый к масштабированию (чистые интерфейсы, модульность, кэширование).
• Знание принципов тестирования (unit, integration, нагрузочные тесты).

Soft Skills:

• Способность аргументировать выбор архитектурных решений (например, TorchScript vs ONNX).
• Опыт менторства junior-разработчиков.
• Умение работать в Agile/Scrum, декомпозировать задачи с учетом бизнес-требований.

Будет плюсом:

• Публикации или доклады на темы оптимизации ML-моделей.
• Знание C++ для написания высокопроизводительных модулей.
• Опыт работы с edge-устройствами (NVIDIA Jetson, Intel Movidius).

Условия:

• Работа над продуктами, обрабатывающими >200 часов видео ежедневно.
• Внедрение решений, напрямую влияющих на ключевые метрики бизнеса.
• Удаленный формат работы с 09.00 до 18.00 по мск;
• Сильная команда, в которой есть возможность для реализации творческих идей и профессионального роста.