Computer Vision Engineer (Classical CV / Edge)

Що робити

Класичний CV як основна зона відповідальності: pose estimation, SLAM, епіполярна геометрія, оптичний потік, калібрування камери — саме на цьому тримається розрахунок координат без GPS
Навчати й покращувати CV-моделі для складних умов: рух у кадрі, оклюзії, погана якість, мало даних
Запускати й оптимізувати моделі на Jetson у реальному часі — з жорсткими обмеженнями по швидкості, пам’яті та енергоспоживанню
Самостійно працювати з обладнанням: камери, а не лише датасети й ноутбук
Відповідати за результат повністю — від задачі до готового рішення, що працює на борту

Впевнений досвід класичного computer vision: SLAM, pose estimation, епіполярна геометрія, оптичний потік, камерна геометрія та калібрування
Досвід deep learning для CV (детекція, трекінг або сегментація) — як доповнення до класичних методів, а не заміну
Практичний досвід роботи з NVIDIA Jetson (Nano / Xavier / Orin) — деплой, оптимізація inference, робота з обмеженими ресурсами на борту
Досвід роботи «на залізі»: інтеграція з камерами й сенсорами, тестування на фізичному пристрої, а не тільки в хмарі чи на десктопі
Досвід, коли ти доводив модель до продакшену на edge-пристрої, а не лише до notebook

Ніякого мікроменеджменту — ти відповідаєш за свій напрямок
Сучасний edge-стек: Jetson, TensorRT, Hailo, ONNX. Інструменти обираєш сам.
Чого в нас не буде:
Вигорання, безкінечного «monkey job» і CRUD-задач на роки. І співбесід, що тягнуться в нікуди.
Як проходить відбір:

Знайдено через trackr.help/jobs · Канал: @trackrhelp · Бот для персональних сповіщень: @trackrhelpBot