ML-инженер / Data Scientist (сбор данных и обучение моделей)

Анапа и ближайшие города: обязательны личные встречи и участие в записях в Анапе. Полностью удалённую работу не рассматриваем.

Ищем ML-инженера / Data Scientist для прикладного проекта по анализу движений человека. Нужен специалист, который поможет организовать сбор данных для обучения модели, подготовить обучающий набор, обучить модель и проверить её на реальных записях.

О проекте

Разрабатываем умный корсет с датчиками движения. Он должен изучать привычки человека, замечать длительные и повторяющиеся положения тела и давать персональные подсказки. Для обучения модели будем записывать видео одновременно с показаниями датчиков и готовить проверенную разметку. При обычном использовании корсет будет работать без камер. Сейчас готовим первый измерительный образец и собственную обучающую базу.

Что предстоит делать

• Помочь в организации сбора данных для обучения модели: составить план записей, определить требования к участникам и условиям съёмки, согласовать порядок проведения сеансов и контроль качества материала.
• Спланировать записи: какие движения и бытовые сценарии снимать, как синхронизировать видео и показания датчиков, как контролировать качество.
• Участвовать в первых очных записях и испытаниях в Анапе, помогать находить ошибки сбора.
• Организовать разметку, проверку и хранение данных, подготовить понятные правила для разметчиков.
• Обучить и сравнить базовые модели распознавания движений по временным рядам датчиков.
• Проверять качество на новых людях и отдельных сеансах, разбирать ложные срабатывания, пропуски и неоднозначные случаи.
• Подготовить воспроизводимый код обучения и обработки, обученную модель и отчёт с результатами и ограничениями.

Что важно

• Практический опыт машинного обучения на Python: NumPy, pandas, scikit-learn.
• Умение готовить датасеты, находить ошибки разметки и корректно разделять данные для обучения и проверки.
• Опыт с временными рядами, сигналами датчиков или распознаванием действий человека.
• Умение объяснять результаты простым языком и предлагать следующий эксперимент.
• Примеры собственных проектов с понятным личным вкладом и измеренными результатами. Рассмотрим и сильные учебные или исследовательские проекты.

Будет плюсом

PyTorch или TensorFlow, обработка сигналов акселерометров и гироскопов, OpenCV или MediaPipe, работа с видео и Label Studio, внедрение моделей на сервере.

Что уже есть

Подготовлены описание задачи, виртуальный стенд, программная основа сбора данных и инструменты видеоразметки. Есть собственный сервер для хранения и вычислений. Реальные парные записи с датчиков и видео и проверенную обучающую базу предстоит создать.

Условия

• Проектная работа. Начинаем с согласованного небольшого этапа; возможно долгосрочное сотрудничество.
• Ищем человека в Анапе или в пределах 80 км от города, готового приезжать в Анапу на сбор данных, встречи и испытания.
• Основную обработку и обучение можно выполнять удалённо. Даты очных работ и загрузку согласуем.
• Оплата обсуждается по этапам после оценки объёма и результата работ.

Первый результат

Согласованный протокол сбора, небольшой проверенный набор синхронных записей, базовая модель и честный отчёт: что уже различается, где возникают ошибки и каких данных не хватает. Объём, сроки и критерии первого этапа определим вместе.

В отклике укажите ваш город и готовность приезжать в Анапу, приложите 1–2 подходящих проекта, кратко опишите свой вклад и предложите, с чего вы бы начали. Также напишите о доступной загрузке и желаемых условиях первого этапа.