کارشناس بینایی ماشین - آقا

عنوان شغلی
مهندس بینایی ماشین (Computer Vision Engineer)
محل کار
تهران: شرق تهران - اتوبان بابایی
نوع همکاری
تمام‌وقت ، پاره وقت با 140 ساعت در ماه
درباره شرکت
تیم تحقیقاتی ما در مرکز تحقیقات دریایی به مدل سازی، هدایت، کنترل، ناوبری، شناسایی و ... سامانه های خودران و تولید محصول با کمک الگوریتم های هوش مصنوعی می‌پردازد.
شرح کلی موقعیت
ما به دنبال مهندس یا پژوهشگری با تجربه در بینایی ماشین هستیم که بتواند از مرحله تحلیل نیاز تا طراحی، پیاده‌سازی و استقرار مدل‌های تشخیص و ردیابی اشیاء را هدایت کند. فرد مناسب هم در زمینه‌ی تحقیق و بهبود مدل‌ها توانمند است و هم در پیاده‌سازی عملی و بهینه‌سازی برای استقرار در محیط‌های واقعی تجربه دارد.
مسئولیت‌ها

• طراحی، پیاده‌سازی و ارزیابی مدل‌های Object Detection (مثلاً Faster R-CNN، YOLO-family، RetinaNet، Detectron2/Mask R-CNN و مشابه).
• طراحی و پیاده‌سازی الگوریتم‌های Tracking (مثلاً SORT, DeepSORT, ByteTrack، یا روش‌های مبتنی بر ReID / Association).
• آماده‌سازی دیتاست‌ها، برچسب‌گذاری (annotation) و توسعه‌ی pipelineهای پیش‌پردازش/augmentation.
• بهینه‌سازی مدل‌ها برای استقرار در لبه (edge) یا سرور (quantization, pruning, TensorRT/ONNX).
• توسعه و نگهداری کدهای آموزشی، ارزیابی و مستندسازی آزمایش‌ها.
• همکاری با تیم‌های محصول و مهندسی برای یکپارچه‌سازی مدل‌ها در سیستم‌های واقعی و رفع باگ/بهبود عملکرد.
• پیشنهاد و پیاده‌سازی راهکارهای سنجش کیفیت، متریک‌ها و پایپ‌لاین MLOps ساده (تست، CI/CD مدل).

شرایط و نیازمندی‌ها (الزامی)

• حداقل 1 سال سابقه‌ی کاری مرتبط در بینایی ماشین یا حوزه‌های مشابه.
• تجربه‌ی عملی با مدل‌های Object Detection (طراحی/فاین‌تیون/ارزیابی).
• تجربه‌ی عملی با الگوریتم‌های Tracking و مفاهیم Association / Re-identification.
• تسلط به یکی از فریم‌ورک‌های مرسوم: PyTorch یا TensorFlow/Keras.
• آشنایی با ابزارها و کتابخانه‌های پردازش تصویر: OpenCV، albumentations و مشابه.
• توانایی کار با مجموعه‌داده‌های بزرگ تصویری و مهارت در پیاده‌سازی pipelineهای برچسب‌گذاری و ارزیابی.
• مهارت برنامه‌نویسی (Python سطح پیشرفته؛ C++ مزیت محسوب می‌شود).
• توانایی مستندسازی فنی، ارائه نتایج و کار تیمی.

مهارت‌های برتر (اولویت دار)

• تجربه با چارچوب‌های استقرار: ONNX, TensorRT, TFLite. 
• تجربه در بهینه‌سازی inference برای محیط‌های محدود (CPU/edge devices).
• آشنایی با روش‌های مبتنی بر transformer در بینایی (مثل DETR) یا الگوریتم‌های جدید tracking.
• تجربه در MLOps ساده (Docker، CI/CD، پایپ‌لاین تست مدل).
• مقالات یا پروژه‌های قابل ارائه در GitHub / Kaggle یا نمونه‌کاری مشابه.