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.
