Науковий спеціаліст із спеціалізацією на комп’ютерному баченні (Центр компетенції даних) в Sigma Software

Увійдіть у роль спеціаліста з обробки даних у Sigma Software, зосередившись на комп’ютерному зрінні. На цій динамічній посаді в нашому Центрі компетенції даних ви будете очолювати інновації, створювати архітектури рішень і брати участь у передпродажній діяльності, використовуючи передову технологію комп’ютерного зору. Проект Weare команда з 160+ професіоналів. Ми дуже різні, але кілька речей роблять нас справжньою командою: щира пристрасть до нашої роботи, дружелюбність і невичерпний оптимізм, незважаючи ні на що. Приєднавшись до Центру компетенції даних BU003, ви станете фахівцем із обробки даних і візьмете ключову участь у його діяльності. ВІДПОВІДАЛЬНІСТЬ Визначати й уточнювати технічні вимоги до проектів комп’ютерного бачення в тісній співпраці з клієнтами та керівниками команд Керувати створенням і впровадженням передових моделей комп’ютерного бачення для виявлення об’єктів, класифікації зображень і аналізу відео в реальному часі Включати класичні методи машинного навчання, такі як кластеризація, класифікація та виявлення аномалій у проектах Computer Vision для підвищення точності та ефективності. Працюйте з різноманітними джерелами даних для підготовки та оптимізації даних для додатків Computer Vision, забезпечуючи надійне навчання моделей і продуктивність. Керуйте інтеграцією моделей Computer Vision у виробничі системи, зосереджуючись на продуктивності в реальному часі та масштабованості. Будьте в курсі нових тенденцій і технологій у сфері комп’ютерного бачення, експериментування з новими інструментами та методами, щоб розширити межі поточних моделей і рішень. Повідомляти про цінність і вплив проектів комп’ютерного бачення зацікавленим сторонам, ефективно перетворюючи складні технічні досягнення на стратегічні бізнес-переваги. Активно брати участь в оцінці нових інструментів для аналітичної інженерії даних або даних наукові ВИМОГИ Встановлений досвід роботи з комп’ютерним баченням, підкріплений глибоким знанням Python і глибоким розумінням основних фреймворків, таких як OpenCV, TensorFlow і PyTorch. Всебічні знання та практичний досвід роботи з різними архітектурами нейронних мереж, включаючи згорткові нейронні мережі (CNN), Fast R-CNN, VGG, ResNet, YOLO та SSD для таких завдань, як класифікація зображень, виявлення об’єктів, сегментація та обробка відео в реальному часі. Знайомство з такими методами впровадження, як передача навчання, розширення даних і тонке налаштування для оптимізації продуктивності моделі. Досвід досвіду використання класичних методів машинного навчання з підтвердженою здатністю ефективно інтегрувати ці методи з передовими технологіями комп’ютерного бачення. Продемонстрований успіх в управлінні та аналізі різноманітних джерел даних, у тому числі структурованих, неструктурованих. і потоки даних у реальному часі, щоб підготувати й оптимізувати дані для моделей комп’ютерного бачення. Зобов’язання щодо постійного професійного розвитку, зосереджуючись на тому, щоб бути в курсі останніх досягнень методологій, інструментів і класичних методів машинного навчання. і розмовний) ОСОБИСТИЙ ПРОФІЛЬ: продемонстровані навички вирішення проблем і аналітичного мислення з підтвердженим досвідом застосування цих навичок до викликів реального світу для виявлення проблем, збору відповідних даних і розробки творчих рішень. Продовж.uous learning mindset, ensuring you stay updated with the latest advancements indeep learning and adapt skills accordinglyПРОЕКТМи— команда зі160+професіоналів. Мидуже різні, але кілька речей роблять нас справжньою командою: непідробна пристрасть досвоєї роботи, дружелюбність таневичерпний оптимізм, незважаючи нінащо. Приєднавшись доBU003 Data Competency Center напосаду Middle Data Scientist, тивідіграватимеш вирішальну роль уформуванні тарозвитку його діяльності. ОБОВ’ЯЗКИВизначати тауточнювати технічні вимоги допроєктів комп’ютерного зору утісній співпраці зклієнтами такерівниками команд Керувати створенням тавпровадженням передових моделей комп’ютерного зору для виявлення об’єктів, класифікації зображень тааналізу відео вреальному часі Впроваджувати класичні методи машинного навчання, такі яккластеризація, класифікація тавиявлення аномалій, упроєкти комп’ютерного зору для підвищення точності таефективності Працювати зрізними джерелами даних для підготовки таоптимізації даних для застосунків комп’ютерного зору, забезпечуючи надійне навчання тапродуктивність моделі Керувати інтеграцією моделей комп’ютерного зору увиробничі системи, зосереджуючись напродуктивності тамасштабованості вреальному часі Бути вкурсі нових тенденцій ітехнологій угалузі комп’ютерного зору, експериментувати зновими інструментами таметодами, щоб розширити межі існуючих моделей ірішень Доносити цінність тавплив проєктів комп’ютерного зору дозацікавлених сторін, ефективно перетворюючи складні технічні досягнення настратегічні бізнес-переваги Брати активну участь воцінюванні нових інструментів для аналітичної інженерії даних або науки про дані Знання англійської мови: Впевнений рівень Intermediate або вище (якписьмово, так іусно)ВИМОГИДосвід угалузі комп’ютерного зору, підкріплений високим рівнем володіння мовою програмування Python таглибоким розумінням основних фреймворків, таких якOpenCV, TensorFlow таPyTorch Всебічні знання тапрактичний досвід роботи зрізними архітектурами нейронних мереж, включаючи згорткові нейронні мережі (CNN), Fast R-CNN, VGG, ResNet, YOLO таSSD, для виконання таких задач, яккласифікація зображень, виявлення об’єктів, сегментація таобробка відео вреальному часі Знання методів реалізації, таких яктрансферне навчання, аугментація даних таточне налаштування для оптимізації продуктивності моделі Солідний досвід укласичних методах машинного навчання здоведеною здатністю ефективно інтегрувати ціметоди зпередовими технологіями комп’ютерного зору Наявність успішного досвіду вуправлінні тааналізі різноманітних джерел даних, включаючи структуровані, неструктуровані дані тапотоки даних уреальному часі, зметою підготовки таоптимізації даних для моделей комп’ютерного зору Прагнення допостійного професійного розвитку, закцентом напостійне відстеження останніх досягнень уметодологіях, інструментах комп’ютерного зору такласичних методах машинного навчання