Стажер Data Scientist (CV)

Сейчас мы ищем стажеров в передовые проекты по CV, включая анализ изображений (классификация, детекция, сегментация) и создание решений на основе генеративных моделей для визуального контента (генерация фона и теней, поворот объекта). Вам предстоит проводить исследования в области CV-моделей: оценивать их качество, адаптировать для работы с видео и развивать технологии модерации контента карточек, обеспечивая точность, надёжность и соответствие бизнес-требованиям.

Стек технологий:

• Разработка: Python, Git, FastAPI, GitLab, Docker, Prometheus, Grafana.

• ML инфраструктура: JupyterHub, MLFlow, Airflow.

• ML: PyTorch, Diffusers, Transformers, OpenCV, Albumentations, Scikit-learn.

• Данные: SQL (PostgreSQL/ClickHouse/GreenPlum), S3, Polars, Pandas, NumPy.

• Процессы: Jira, Confluence.

Обязательные навыки и знания:

• Знания и умение работать с Python, ООП.

• Умение работать с git.

• Понимание основ нейронных сетей для CV: принципы работы свертки, фильтров, padding, pooling.

• Знание ключевых архитектур: ResNet, YOLO, U-Net, Transformer-based и авторегрессивные модели.

• Практический опыт работы с готовыми моделями (Stable Diffusion и аналоги) через библиотеки (Diffusers и аналоги).

• Знание PyTorch, и опыт с каким-либо фреймворком обучения моделей для изображений.

• Понимание процессов предобработки изображений.

• Понимание метрик: Accuracy, mAP, IoU, FID, Inception Score, CLIP-score.

Навыки, которые будут плюсом:

• Знакомство с Transfer Learning и Fine-Tuning.

• Понимание задач сегментации vs детекции, знание архитектуры U-Net для сегментации.

• Базовое знакомство с эффективным поиском эмбеддингов (FAISS, Elasticsearch).

• Понимание принципов работы базовых генеративных моделей: GAN, VAE, Diffusion Models.

• Знакомство с методами контроля генерации (текстовые промпты, ControlNet).

Задачи:

• Предобработка и аугментация изображений для обучения моделей.

• Подбор, адаптация и обучение моделей для задач анализа (детекция, классификация) или генерации.

• Оценка качества моделей с использованием релевантных метрик.

• Помощь в интеграции моделей в пайплайны данных и создание демонстрационных прототипов.

Процесс отбора на стажировку выглядит так:

• резюме и короткая анкета в ответ;

• тестовое задание объемом ~3 часа;

• интервью с командой;

• предложение работы.

Наши стажировки оплачиваемые, длятся 3 месяца или дольше, 30-40 рабочих часов в неделю в гибком графике.

Вы будете постепенно включаться в реальные процессы разработки ML моделей: от выполнения небольших, хорошо структурированных задач, под присмотром опытного наставника до участия в обсуждении архитектуры и принятия решений. В конце стажировки сможете работать с проектами на уровне junior+ DS, понимать бизнес-задачи и вносить осознанный вклад в развитие платформы.