CV/ML-инженер (техлид)
ООО «НейроЗрение Групп» (дочерняя компания «Цифровая платформа КАМАЗ» и «Университетская стартап-студия», бренд «КАМАЗ Диджитал») разрабатывает систему промышленного компьютерного зрения «Оптера». Система анализирует видео с рабочих мест: потоки с камер (RTSP, API систем видеонаблюдения) и архивные записи. Функциональные блоки: анализ производительности (классификация действий, фиксация простоев, диаграммы загрузки, выявление отклонений), эргономика (оценка поз по REBA), охрана труда (контроль СИЗ), работа с деталями (детекция, идентификация по фото, контроль качества покрытия с привязкой к 3D-модели), оповещения о событиях. Данные обрабатываются обезличенно, без биометрии. Система разворачивается в закрытом контуре или в облаке на отечественных и свободно распространяемых компонентах, внешние системы подключаются через REST API. Решения проходят апробацию на производстве ПАО «КАМАЗ».
Планируется интеграция «Оптеры» в единый контур цифрового производства «КАМАЗ Диджитал»: связка с MDC-системой «Сигнал», MES-системой «Пульс», общая модель данных и единые справочники, обмен событиями через брокер сообщений и REST API, слой интерпретации данных на базе ИИ.
Ищем технического лидера, который возглавит разработку «Оптеры»: CV/ML-сервисы, серверную часть, веб-интерфейс и развёртывание. Продукт состоит из нескольких десятков сервисов на Python и Vue, работает на GPU и разворачивается в Kubernetes, в том числе в закрытом контуре заказчика на Astra Linux. Техлид отвечает за архитектуру, качество и сроки, растит команду и сам пишет код на ключевых участках. Подчинение — владельцу продукта.
Обязанности:
- Руководство командой (CV/ML, backend, frontend, DevOps): роли, зоны ответственности, распределение задач.
- Найм: профиль вакансий, технические интервью, онбординг.
- Организация процесса: Scrum или Kanban, планирование спринтов и релизов, бэклог, демо и ретроспективы.
- Декомпозиция требований заказчика в задачи с критериями приёмки и оценкой трудоёмкости.
- Контроль сроков и качества: риски, блокеры, приёмка перед выпуском.
- Развитие команды: встречи один на один, обратная связь, планы развития, оценка результатов.
- Обмен знаниями: code review, технические разборы, документация решений.
- Согласование приоритетов и сроков со смежными командами, подрядчиками и заказчиками.
- Отчётность перед владельцем продукта: статус, загрузка, риски, потребность в ресурсах.
- Архитектура платформы: границы сервисов, контракты API и сообщений, схема данных, конвейер обработки многочасовых видео от приёма до отчёта, требования к производительности и отказоустойчивости.
- Технические решения по ML-контуру: выбор и замена моделей, путь от обучения до продакшн-инференса (ONNX, TensorRT), бюджет GPU и задержек, воспроизводимость экспериментов.
- Инженерные стандарты: code review, git-flow, тестирование, линтеры и типизация, CI/CD, наблюдаемость, разбор инцидентов, управление техническим долгом.
- Развёртывание у заказчиков: облако и закрытый контур без интернета, собственные реестры образов (Nexus, Harbor), сертифицированные ОС (Astra Linux).
Требования:
- Коммерческая разработка от 6 лет, из них не менее 2 лет в роли техлида, тимлида или ведущего разработчика с командой от 4 человек.
- Опыт вывода в продакшн и сопровождения продукта.
- Опыт проектирования распределённой системы из нескольких сервисов с очередями и долгими фоновыми задачами.
- Готовность к командировкам на площадки заказчиков.
- Python 3.11+ на уровне эксперта: asyncio, FastAPI, Pydantic, SQLAlchemy + Alembic, PostgreSQL, Redis.
- Очереди и фоновые задачи: RabbitMQ (или Kafka), Celery. Ретраи, идемпотентность, задачи, которые идут часами.
- Компьютерное зрение в продакшене будет плюсом: важно уметь принимать решения по ML-части и проверять работу CV-инженеров, но не обязательно самому обучать модели каждый день.
- Работа с видео: FFmpeg, OpenCV, RTSP, обработка больших файлов в S3-совместимом хранилище – как плюс.
- Docker, Kubernetes и Helm на уровне понимания развёртывания: ресурсы и лимиты, GPU-узлы, обновления без простоя.
- CI/CD в GitLab, наблюдаемость (Prometheus, Grafana, Elastic APM), структурированное логирование.
- Безопасность: Keycloak, OAuth2/JWT, LDAP/AD заказчика, хранение секретов в Vault, ролевая модель доступа.
- Понимание frontend-части на уровне архитектуры и ревью: Vue 3, TypeScript, Vite.
Будет плюсом:
- Опыт развёртывания в закрытом контуре без интернета и на отечественных ОС (Astra Linux, РЕД ОС).
- Опыт подготовки ПО к включению в реестр российского ПО или к сертификации.
- Понимание открытых лицензий (MIT, Apache, GPL, AGPL, CC BY-NC, source-available) и их последствий для коммерческого продукта.
- MLOps: ClearML или MLflow, версионирование данных и моделей, разметка в CVAT.
- Векторные БД (Qdrant) и задачи поиска по эмбеддингам.
- Опыт в промышленности, MES или видеоаналитике: смены, техпроцессы, такт, балансировка линий.
- Опыт работы с LLM в продукте: слой интерпретации данных, RAG, агентные сценарии.
Стек: Python 3.11+, asyncio, FastAPI, Pydantic, SQLAlchemy, Alembic, PostgreSQL, Redis, RabbitMQ, Celery, S3, Qdrant, PyTorch, ultralytics, ONNX Runtime, TensorRT, CUDA, OpenCV, FFmpeg, ClearML, CVAT, Vue 3, TypeScript, Vite, Keycloak, Docker, Kubernetes, Helm, GitLab CI, Nexus, Harbor, Vault, Prometheus, Grafana, Elastic APM, Astra Linux, Яндекс.Облако.
Условия:
- Ипотека, отсрочка, стабильность: ИТ-ипотека и отсрочка от службы для тех, кому это актуально.
- Инвестиции в развитие: компенсация обучения, английского, спортивных абонементов и билетов на конференции.
- Социальная политика: программа поддержки в разных жизненных ситуациях, включая мамины дни, подарки детям работников при поступлении в первый класс и на Новый год.
- Офис или удалёнка: офисы в Москве, Санкт-Петербурге и Набережных Челнах или домашний офис.
- Встречи онлайн и офлайн: активности от викторин в офисе до киберспортивных баталий на удалёнке.