Machine Learning Engineer

Здатні побудувати екосистему, де складні нейромережі працюють на межі ресурсних обмежень заліза? Приєднуйтесь до R&D-команди Canyon Development як Machine Learning Engineer. Вам належить адаптувати та впроваджувати моделі машинного навчання в залізо — від потужних одноплатників і обчислювачів до надмалоспоживаючих мікроконтролерів.

Якщо ви розумієте, як влаштовані сучасні архітектури нейромереж, стежите за трендами у сфері ШІ, вмієте стискати моделі без втрати точності та змушувати їх «літати» на обмеженому за ресурсами залізі — ви відповідатиме за цикл портування та оптимізації ML у наших продуктах.

Ми пропонуємо:

• Автономний офіс із генератором у центрі Дніпра, гнучкий графік та продуманий онбординг.
• Прямий доступ до обладнання та підтримка з боку досвідчених системних архітекторів.
• Внутрішні R&D-проєкти для швидкого занурення в домен і стек.
• Власний тренажерний зал, книжковий та шаховий клуби.

Ключові задачі:

• Computer Vision: детекція об'єктів у відеопотоці, алгоритми точного вимірювання геометрії, обробка зображень високої роздільної здатності (SAHI / тайлінг).
• Обробка сигналів та часових рядів: створення моделей для аналізу часових рядів та пошуку аномалій у даних із датчиків (акселерометрія, температура тощо).
• Компресія та оптимізація: застосування PTQ та QAT (INT8/FP16), прунінг та дистиляція SOTA-моделей під цільові NPU, GPU та мікроконтролери.
• Процеси та MLOps: спільна з Embedded-інженерами розгортка моделей у прошивку та побудова документально оформленого пайплайну підготовки й оптимізації ML для нових продуктів.

Досвід:

• 2−3+ роки досвіду в галузі ML, Computer Vision або Data Science.
• Практичний досвід портування та автономного запуску моделей на Edge-пристроях / мікроконтролерах.
• Здатність системно враховувати апаратні обмеження, аналізувати SOTA-рішення та реалізовувати задачу від вибору архітектури до робочого прототипу на залізі.
• Вища технічна освіта: Комп’ютерні науки, Робототехніка, Радіоелектроніка, Прикладна математика, Системний аналіз.

Вимоги до технічного стеку:

• Мови: Python (впевнено), базове розуміння C / C++ (для портування та інференсу моделей на мікроконтролерах).
• ML / DL архітектури: PyTorch, TensorFlow / Keras (CNN, Transformers, RNN, 1D-CNN).
• CV & бібліотеки: OpenCV, Albumentations.
• Inference Frameworks: TensorRT, ONNX Runtime, TFLite / TFLite for Microcontrollers.
• Hardware Awareness: розуміння архітектурних обмежень NVIDIA Jetson, NXP i.MX8, Raspberry Pi, STM32, ESP32, nRF52/54 (пам'ять RAM/Flash, обчислювальна потужність TOPS, енергоспоживання).

Готові проєктувати та впроваджувати ML-архітектури для автономного заліза? Надсилайте резюме й лінк на GitHub — обговоримо деталі.