ML-инженер

Реализуемый проект:
Создание высокоточной библиотеки образов вооружения, военной и специальной техники (ВВСТ) стран НАТО на основе эксклюзивных данных АО «НПО «Восход»: точной съёмки объектов (Конан-данные*) и синтетически сгенерированных наборов.

Ключевые задачи:
Обработка данных:
— Разработка пайплайнов предобработки Конан-данных: удаление шумов, повышение резкости, автоматическая сегментация объектов.
— Создание инструментов разметки для таксономии ВВСТ (классы: бронетехника, РЛС, ПВО; атрибуты: модель, модификация, страна).

Генерация синтетических данных:
—Разработка GAN-архитектур (StyleGAN3, NVIDIA Omniverse) для дополнения реальных данных.
—Моделирование условий съёмки: разные ракурсы, погода, время суток, камуфляж.

Обучение прецизионных моделей:
— Создание ensemble-моделей обнаружения (YOLOv10, Cascade R-CNN) с точностью mAP > 0.95.
— Разработка метрик для верификации качества: идентификация малозаметных модификаций техники.

Разработка поисковой системы:
— Векторное индексирование библиотеки (Qdrant, Milvus) с поддержкой запросов:
- "Поиск по эскизу",
- "Аналоги объекта по ТТХ".

Системы контроля качества:
— Внедрение детекторов аномалий для выявления артефактов в синтетических данных.
— Автоматический пересчёт метрик при добавлении новых образцов.

Технологический стек
Генерация данных: NVIDIA Omniverse, Blender (3D-модели), StyleGAN3, Unity Synthetic Datasets.

CV-обработка: OpenCV, Kornia (GPU-ускорение), Albumentations (аугментации).

Детекция объектов: MMDetection, YOLOv10, EfficientDet-Lite (для edge-устройств)
3D-анализ: PCL (Point Cloud Library), Open3D, MeshLab
MLOps: ClearML (трекинг экспериментов), Kubeflow (пайплайны), Weights & Biases |
Хранилища данных: MinIO (S3-совместимое хранилище для Конан-данных), PostgreSQL + PostGIS.

Дополненные требования к кандидату
Обязательные навыки:
- Опыт обработки 3D-данных (point clouds, mesh) и фотограмметрии.
- Знание методов генерации синтетических данных (GANs, NeRF, симуляторы).
- Умение работать с высокоточными метриками: F1@0.95 IoU, mAP@strict.

- Бонусом:
- Опыт с фреймворками для симуляции: NVIDIA Isaac Sim, CARLA.
- Знание С++ для оптимизации расчётов в CUDA.

Условия работы
Инфраструктура:
- Доступ к GPU-кластерам (NVIDIA A100/H100), серверам с лидарными данными.