Управляющая Компания Колизеум
Специалист по компьютерному зрению (CV) / Video Analytics Engineer
- Python
- REST API
- TensorFlow
- PyTorch
- OpenCV
- Bug Tracking Systems
- Computer Vision
COLIZEUM — крупнейшая франшиза киберспортивных клубов в мире. Мы создаём будущее гейм-индустрии!
Кто мы?
Мы — команда, которая меняет правила игры: 600+ клубов по всему миру, коллаборации с топовыми брендами, звёздами и киберспортивными организациями. Наш стиль — драйв, инновации и масштаб.
Ищем специалиста по computer vision / video analytics на проектную работу.
Проект — запуск системы видеоаналитики для сети клубов COLIZEUM.
-
Подбирать, адаптировать и дообучать модели компьютерного зрения под задачи проекта.
-
Организовать процесс работы с данными: сбор, подготовка, разметка, валидация, улучшение качества моделей.
-
Настраивать сценарии видеоаналитики под реальные условия объекта и снижать количество ложных срабатываний.
-
Взаимодействовать с командой продукта и разработки, чтобы превращать бизнес-задачи в работающие CV-сценарии.
-
Помочь быстро собрать и проверить MVP, который можно дальше масштабировать на сеть.
Требования:
-
Практический опыт в Computer Vision / Video Analytics от 3 лет.
-
Обязателен опыт прикладных CV-проектов в ритейле, horeca, магазинах, клиентских точках, офлайн-объектах или видеонаблюдении для операционного контроля.
-
Опыт не только обучения моделей, но и доведения решения до MVP / пилота / внедрения.
-
Понимание, как работать с данными с реальных камер: разные ракурсы, нестабильное качество изображения, сложные сцены, ограничения по данным
-
Опыт работы с PyTorch или TensorFlow; OpenCV;
-
Опыт обучения и дообучения detection / tracking / classification моделей на прикладных данных.
-
Опыт проектов в store analytics, loss prevention, anti-fraud, контроль персонала, контроль клиентских зон, контроль выкладки / состояния объектов.
-
Опыт быстрого запуска пилотов на ограниченном датасете.
-
Опыт снижения false positive / false negative в реальных бизнес-сценариях.
-
Понимание, как выстраивать CV-часть проекта так, чтобы ее можно было масштабировать без чрезмерных затрат.
-
Прикладной проект с понятным бизнес-эффектом.
-
Возможность влиять на подход, модели и качество будущего продукта.
-
Быструю проверку гипотез на живом кейсе.
-
Прямое взаимодействие с командой, принимающей решения.
-
Гибкий формат сотрудничества в рамках проектной работы.