Remote Computer Vision ML Engineer — Workplace Safety

Enfint; United States; Remote; USD 120,000 - 180,000; Full time

Job summary

Lumenalta ищет специалиста по машинному обучению с опытом в компьютерном зрении для разработки и внедрения детекции, трекинга и сегментации на видеоматериалах клиентов. Требуется глубокий практический опыт в YOLO/Faster R-CNN и PyTorch, знание калибровки камер и ML-инфраструктур Databricks/Spark.

Работа полностью удалённо с перекрытием часовых поясов США. Кандидат будет руководить созданием датасетов, настройкой моделей и подготовкой выводов для оперативной панели и уведомлений ревьюеров.

Qualifications

• 5+ лет опыта в применении машинного обучения
• Не менее 3 лет опыта компьютерного зрения, внедрённого в продакшн на реальном видеоматериале
• Глубокий опыт в области обнаружения объектов и мульти-объектного слежения
• Опыт работы с YOLO, Faster R-CNN, RT-DETR или RF-DETR, и SORT или DeepSORT
• Опыт с сегментацией объектов и перевод пиксельных измерений в реальные единицы через калибровку камеры
• Опыт в создании размеченных наборов данных с учётом дисбаланса классов
• Понимание прецизионности/полноты, выбор порога, калибровка вероятностей
• Практический опыт работы с данными разной области (domain shift)
• Навыки работы с Databricks и Spark
• Владение Python и PyTorch
• Осведомлённость об открытой лицензии для коммерческих моделей
• Опыт работы с ограничениями по доступу к данным клиента
• Хорошие устные и письменные навыки английского
• Умение презентовать методологию и обосновывать результаты клиентам
• Приветствуется: PPE детекция, безопасность на рабочих местах, видеоаналитика, временная распознавание действий, мультимодальные данные, edge-инференс
• Опыт консультаций или работы с клиентами

Responsibilities

• Спроектировать и построить конвейеры детекции для видеоматериалов клиента (распознавание людей и объектов, мультиобъектное слежение, поз-ориентированное извлечение регионов и классификаторы с выходом “cannot determine”).
• Расширять конвейеры сегментацией экземпляров, временным рассуждением и зонно-ориентированной логикой.
• Организация создания размеченных наборов данных — правила разметки, согласование, обработка дисбаланса, очистка видеоматериалов, поиск сложных случаев.
• Обучение и настройка моделей под контрактные цели: качество, производительность.
• Определение методологии оценки на held-out выборках, выборка примеров, согласование и отчетность по TP/FP/TN/FN, ошибкам и доверительным интервалам.
• Формирование выходных данных на уровне лиц и событий с временной длительностью для оперативной панели и оповещений ревьюеров.
• Обеспечение обобщаемости систем на разных ракурсах камер и сайтах.
• Архитектура инференса с учётом возможности смены места развертывания между облаком и edge.
• Управление выборкой кадров, движением, зонной фильтрацией, распределением CPU/GPU и компромиссами между пакетной и потоковой обработкой.
• Контроль версий моделей, дрейф обнаружения и повторное обучение по решениям ревьюеров.
• Написание рекомендаций по размещению камер, их настройке и качеству изображений.
• Д Deliver обучающие сессии и работу с техническим персоналом клиента.

Skills

Machine learning

Computer vision

Python

PyTorch

YOLO

Faster R-CNN

RT-DETR

Multi-object tracking

Data governance

English (разговорный)

Tools

Databricks

Spark

Python

PyTorch

Job description

Lumenalta ищет специалиста по машинному обучению с опытом в компьютерном зрении для разработки и внедрения детекции, трекинга и сегментации на видеоматериалах клиентов. Требуется глубокий практический опыт в YOLO/Faster R-CNN и PyTorch, знание калибровки камер и ML-инфраструктур Databricks/Spark.

Работа полностью удалённо с перекрытием часовых поясов США. Кандидат будет руководить созданием датасетов, настройкой моделей и подготовкой выводов для оперативной панели и уведомлений ревьюеров.