Must have

• Python

• Computer vision

• Linux

• English

Nice to have

• Git

• GitLab

• GitHub

• DevOps

• C++

Requirements description

Original text.  Show translation

• Praktyczne doświadczenie w projektowaniu i wdrażaniu systemów przetwarzania obrazu w czasie rzeczywistym.
• Minimum 4-letnie doświadczenie z językiem Python (poziom produkcyjny).
• Doświadczenie z pipeline’ami w Computer Vision i modelami rozpoznawania akcji.
• Znajomość integracji sprzętu: konfiguracja kamer, rozwiązywanie problemów on-site.
• Znajomość infrastruktury low-level: powłoka Linux, podstawy sieci.
• Znajomość narzędzi do optymalizacji modeli, takich jak TensorRT.
• Umiejętność pracy z systemem kontroli wersji Git (GitLab/GitHub).

Mile widziane:

• Znajomość narzędzi i praktyk DevOps.
• Znajomość C++ do modułów krytycznych wydajnościowo.

Offer description

Original text.  Show translation

Devire Outsourcing IT to forma współpracy dedykowana dla specjalistów z branży IT, oparta na zasadach własnej działalności gospodarczej - B2B, realizująca projekty dla wiodących Klientów prowadzących innowacyjne i nowoczesne projekty.

Obecnie, dla naszego Klienta, specjalizującego się w tworzeniu wysokiej jakości oprogramowania na rynku europejskim, poszukujemy kandydatów na stanowisko Senior Computer Vision Engineera, który dołączy do pracy nad systemem przetwarzania obrazu w czasie rzeczywistym.

• Kontrakt B2B via Devire.
• Możliwość całkowitej pracy zdalnej.
• Współpraca w międzynarodowym środowisku.
• Pakiet benefitów.
• Elastyczne godziny pracy.
• Długofalowa współpraca.

Your responsibilities

Original text.  Show translation

1. Projektowanie, rozwój i optymalizacja algorytmów computer vision do analizy obrazu w czasie rzeczywistym.
2. Integracja modeli CV/AI z systemami streamującymi w oparciu o RTSP i DeepStream SDK.
3. Wykorzystanie TensorRT do optymalizacji modeli deep learning pod kątem inferencji.
4. Współpraca z zespołem DevOps przy wdrażaniu rozwiązań w środowisku kontenerowym (opcjonalnie: Kubernetes).
5. Monitorowanie wydajności systemów i diagnozowanie problemów w środowisku produkcyjnym.
6. Tworzenie czytelnej i skalowalnej dokumentacji kodu oraz pipeline’ów ML.

show all (7)