ما در فرادید، به عنوان یک شرکت دانش‌بنیان فعال در حوزه بینایی ماشین (Machine Vision)، در حال توسعه راهکارهای پیشرفته برای مشتریان بزرگ صنعتی هستیم. فضای کاری ما ترکیبی از تحقیق و توسعه (R&D) پویا، چالش‌های مهندسی پیچیده و همکاری در محیطی دوستانه است. اگر در حل مسائل دشوار بینایی ماشین تجربه دارید و از ایده‌پردازی و تبدیل ایده‌های پژوهشی به محصولات کاربردی لذت می‌برید، جای شما در تیم ما خالی است.
مسئولیت‌ها و انتظارات:
تحقیق، طراحی و پیاده‌سازی راهکارهای نوین در حوزه بینایی ماشین.
مشارکت فعال در جلسات طوفان فکری (Brainstorming) تیمی جهت بررسی ایده‌ها و بهینه‌سازی مسیر توسعه محصولات.
مطالعه مستمر مقالات علمی و به‌روزرسانی دانش فنی تیم با تکنولوژی‌های نوین.
الزامات فنی (Technical Requirements):
تجربه عمیق در کار با Feature Extractorهای کلاسیک و مدرن و تحلیل لایه‌های آن‌ها.
تسلط بر تکنیک‌های انتقال یادگیری (Transfer Learning).
مهارت برنامه‌نویسی حرفه‌ای با استفاده از کتابخانه‌های پردازش تصویر (OpenCV) و چارچوب‌های یادگیری عمیق (PyTorch و TensorFlow).
تسلط بر ابزارهای توسعه نرم‌افزار (Git و Docker).
تخصص در معماری‌ها:
تسلط کامل بر معماری‌های شاخص بینایی ماشین (Classification, Object Detection, Segmentation).
تسلط ویژه بر خانواده معماری‌های YOLO؛ شامل شناخت دقیق حداقل سه نسخه اخیر و تحلیل تفاوت‌های فنی و عملکردی آن‌ها.
پیش‌نیازهای تحقیقاتی و سوابق:
متقاضی محترم باید دارای یکی از دو شرایط زیر باشد تا توانمندی تحقیقاتی ایشان احراز گردد:
سابقه آکادمیک: ارائه حداقل یک مقاله علمی پذیرفته‌شده در مجلات معتبر Q1 در حوزه‌های مرتبط با بینایی ماشین یا یادگیری ماشین.
سابقه صنعتی: حداقل 2 سال تجربه کاری تخصصی در پروژه‌های صنعتی بینایی ماشین.
مزیت‌های رقابتی (امتیاز محسوب می‌شود):
Model Adaptation / Domain Adaptation / Domain Generalization
Few-shot Learning & Semi-supervised Learning
Unsupervised Learning Techniques
Representation Learning & Contrastive Learning
Spatio-temporal Video Processing Approaches
Anomaly Detection
آنچه ما ارائه می‌دهیم:
محیطی مبتنی بر یادگیری مداوم، چالش‌های فنی سطح بالا و همکاری در تیمی که تحقیق را نه یک وظیفه، بلکه بخشی از حیات روزمره خود می‌داند.