Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Описание вакансии
Задачи:
— Обучение и дообучение моделей компьютерного зрения для продукта Hopper.
— Разработка решений для распознавания архитектурных чертежей, включая стены, двери, окна, OCR размеров и экспорт в форматы DXF/IFC.
— Создание пайплайнов генерации изображений на основе Diffusion Models.
— Работа с 3D-технологиями: преобразование изображений в 3D, сегментация мешей, авториггинг и генерация движения.
— Подготовка датасетов, оценка качества и производительности моделей.
— Интеграция моделей в сервисы с использованием FastAPI и Docker с оптимизацией под GPU.
Требования:
— Уверенное владение PyTorch, опыт разработки собственных training loops и data pipelines.
— Опыт обучения моделей с нуля и тонкой настройки (fine-tuning).
— Знание компьютерного зрения: Object Detection, Segmentation, OCR, U-Net, ViT, DETR, OpenCV.
— Опыт работы с Diffusion Models, такими как Stable Diffusion, FLUX, LoRA, ControlNet, Diffusers или ComfyUI.
— Знание метрик IoU, mAP, опыт работы с COCO, W&B или MLflow.
— Навыки работы с Docker, FastAPI, Linux и Git.
— Будет преимуществом опыт с 3D, image-to-3D, FFmpeg и квантизацией int4/int8.
Условия:
— Разработка продукта с нуля.
— Участие в архитектурных решениях.
— Работа с современными AI/ML-технологиями.
— Возможность профессионального развития и карьерного роста.
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Автоотклики