ML-инженер / разработчик по ДЗЗ и изображениям (Computer Vision)

О команде

Мы – команда АО НПК «БАРЛ»: российской инженерной компании в сфере космических технологий, ДЗЗ и геоинформационных решений. В этом направлении мы разрабатываем прикладное программное решение, которое объединяет данные из разнородных источников (ДЗЗ, телеметрию, справочные и открытые данные) в единое хранилище, выполняет автоматическую обработку и анализ с применением методов машинного обучения, поддерживает релевантную выдачу результатов пользователю через веб-интерфейс и отчётные материалы В команду нужен ML-инженер, который умеет доводить модели до стабильной работы на реальных данных и помогать внедрять их в прикладные системы.

Чем предстоит заниматься (обязанности)

• Разрабатывать и обучать модели компьютерного зрения: обнаружение объектов, классификация, выделение границ/контуров (сегментация).
• Готовить данные для обучения: нарезка изображений на фрагменты, аугментации, балансировка классов, работа с разметкой и её качеством.
• Оценивать качество и устойчивость моделей: метрики, анализ ошибок, подбор улучшений (данные/модель/параметры).
• Работать с геопривязанными данными: корректная обработка координат/геометрий, подготовка результатов в удобном формате для последующей визуализации/отчётности.
• Оптимизировать скорость и ресурсы: ускорение обработки, пакетные прогоны, упрощение “тяжёлых” мест.
• Подготавливать модель к применению: сохранение модели, описание входов/выходов, минимальная документация по ограничениям и сценариям использования.
• Взаимодействовать с инженерами данных/разработчиками: уточнять требования к данным и формату результатов.

Наши ожидания (обязательные требования)

• Python, уверенная работа с NumPy/Pandas и обработкой изображений.
• Практический опыт с PyTorch (или TensorFlow) и типовыми задачами CV.
• Понимание полного цикла: данные - обучение - оценка - анализ ошибок - улучшения.
• Умение писать понятный, воспроизводимый код (фиксировать версии, параметры, результаты).
• Готовность работать с “неидеальными” данными.

Будет плюсом (увеличит шанс и уровень)

• Опыт с фреймворками/библиотеками CV: torchvision, OpenCV, MMDetection/Detectron2 и т.п.
• Опыт с ДЗЗ: большие снимки, COG/GeoTIFF, нарезка тайлов, GDAL, работа с координатами/CRS.
• Знание метрик и подходов: mAP, IoU, F1, калибровка достоверности, работа с дисбалансом классов.
• Опыт оптимизации/ускорения (ONNX/TensorRT, пакетная обработка, профилирование).
• Базовый MLOps: фиксация версий данных/моделей, журнал запусков, воспроизводимость.

Мы предлагаем

• Оформление по ТК.
• Гибкий график и формат работы, офис/удалёнка/гибрид.
• Адекватный процесс: задачи через понятные требования, возможность влиять на технические решения.
• Время на развитие: обучение инструментам, обмен опытом.
• Уровень дохода обсуждается по итогам собеседования.