О компании
Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы, интерактивные среды для отработки управления техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.
Мы создаём полноценное ПО (от проектирования до внедрения) и строим продукты с внедрением ИИ — от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. С 2016 года реализовали более 40 проектов. В работе используем Unreal Engine 5 для создания детализированных и реалистичных виртуальных сред.
О роли
Мы ищем Data Scientist с опытом в Computer Vision, который умеет превращать бизнес-задачу в техническую постановку, строить прогнозные и CV-модели и проверять гипотезы статистически строго. Вы будете работать с данными тренажёров и симуляций: анализировать поведение пользователей, обрабатывать изображения и видео с камер, строить модели детекции и сегментации, проектировать и анализировать A/B-эксперименты. Роль — на стыке аналитики, классического ML, компьютерного зрения и продуктового мышления.
Уровень: Middle / Middle+
Опыт: 1–3 года коммерческой работы в Data Science / аналитике данных, включая задачи Computer Vision
Формат: офис, г. Таганрог, ул. Котлостроительная, 2-6; график 5/2, 10:00–18:00
Что вы будете делать
- Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
- Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
- Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
- Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
- Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
- Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
- Работать с продуктовыми метриками: retention, LTV, конверсия.
- Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
- Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
- Работать в команде: ветки, код-ревью, CI/CD.
Требования
Инженерная база
- Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
- Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
- PyTest — написание тестов для функций обработки данных и моделей.
- Docker — упаковка окружения и аналитических сервисов.
- SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
- Английский — чтение документации и научных статей.
Математическая база
- Линейная алгебра, теория вероятностей, математическая статистика.
- Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
- Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
- Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
- Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.
Классический ML
- Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
- Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
- Кластеризация, PCA — понимание и практическое применение.
- Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.
Computer Vision
- Классификация изображений: CNN, transfer learning, аугментации.
- Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
- Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
- Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
- Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
- Метрики CV: IoU, mAP, precision/recall по классам, F1.
- Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.
Продуктовое мышление
- Понимание продуктовых метрик: retention, LTV, конверсия.
- Умение переводить бизнес-задачу в техническую постановку.
- Способность объяснить результат нетехническим стейкхолдерам.
- Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
- Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.
Инструменты
- pandas, NumPy — основной инструментарий обработки данных.
- scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
- PyTorch — обучение CV-моделей; torchvision.
- OpenCV, PIL/Pillow — обработка изображений и видео.
- Albumentations — аугментации.
- Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
- XGBoost / LightGBM — градиентный бустинг.
- SQL, Git.
- GitLab — основная платформа.
Будет плюсом
- Polars — быстрая обработка больших датафреймов.
- PySpark — работа с большими данными.
- MLflow — трекинг экспериментов и версионирование моделей.
- Airflow — оркестрация пайплайнов данных.
- Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
- TensorFlow / Keras — альтернативный фреймворк для CV.
- Detectron2, MMDetection — фреймворки для детекции и сегментации.
- Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
- C/C++, Rust, Go — для инфраструктурных задач.
- Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
Условия
- ИТ-аккредитация компании.
- Официальное трудоустройство, полностью «белая» заработная плата.
- Социальный пакет по ТК РФ.
- Заработная плата обсуждается индивидуально по итогам собеседования.
- Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
- График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
- Современный технически оснащённый офис.
- Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
- Дружная команда и комфортная рабочая атмосфера.
