Анализировать плотные технические чертежи и документы с учетом их структуры и семантики, а не только визуального детектирования объектов
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Описание вакансии
Коротко о роли
-Разрабатывать computer vision и machine learning решения для архитектурных чертежей, технических документов, CAD и BIM-данных. -Строить пайплайны, объединяющие растровые изображения, векторную геометрию, структурированные инженерные данные, OCR и ML-модели.
Задачи:
— Разрабатывать computer vision и machine learning решения для архитектурных чертежей, технических документов, CAD и BIM-данных
— Строить пайплайны, объединяющие растровые изображения, векторную геометрию, структурированные инженерные данные, OCR и ML-модели
— Восстанавливать структурированные объекты из геометрических примитивов, включая топологию и пространственные связи
— Анализировать плотные технические чертежи и документы с учетом их структуры и семантики, а не только визуального детектирования объектов
— Проектировать и поддерживать evaluation-пайплайны: ground-truth данные, метрики качества, регрессионное тестирование, проверка на невиданных данных
— Создавать human-in-the-loop процессы с калиброванными confidence score и эскалацией неуверенных случаев на проверку человеком
— Оценивать современные подходы к пониманию планов этажей и технических документов: detection, segmentation, transformer-based модели, raster-to-vector reconstruction
— Разрабатывать production-ready inference-сервисы с CPU inference по умолчанию и опциональным GPU-ускорением
— Обеспечивать воспроизводимость обучения и инференса: версионирование моделей, упаковка, требования к деплою
— Передавать модели заказчикам для самостоятельного деплоя и дальнейшего обучения
— Быть техническим лидером по ML и CV решениям в небольшой инженерной команде
— Напрямую общаться с техническими стейкхолдерами и объяснять ограничения ML, компромиссы и решения на английском языке
— При необходимости аргументированно оспаривать предложенные подходы и предлагать лучшие альтернативы на основе технических данных
Требования:
— 5+ лет профессионального опыта в machine learning или computer vision, включая вывод ML-решений в production
— Сильные знания в computer vision, machine learning и оценке моделей
— Подтвержденный опыт валидации качества моделей с помощью измеримых метрик и реальных данных
— Практический опыт с векторной геометрией, структурированными данными, топологией и пространственными связями
— Опыт обработки технических документов, диаграмм или чертежей, где важны структура и связи
— Опыт проектирования evaluation-пайплайнов: ground-truth датасеты, регрессионное тестирование, проверка обобщения
— Опыт создания human-in-the-loop ML-систем и работы с неуверенными предсказаниями
— Опыт обеспечения воспроизводимости ML-обучения и подготовки моделей к самостоятельному деплою или дальнейшему обучению
— Понимание версионирования моделей и датасетов, а также соответствующих лицензионных ограничений
— Опыт технического лидерства в небольшой инженерной команде
— Опыт прямой коммуникации с техническими заказчиками или стейкхолдерами
— Английский B2–C1, сильные навыки устной коммуникации
— Русский C1–C2
Будет плюсом:
— Опыт с архитектурными или строительными чертежами, BIM-моделями, подсчетом объемов работ или оценкой стоимости
— Знакомство с исследованиями в области распознавания планов этажей, raster-to-vector reconstruction или понимания структурированных документов
— Опыт парсинга CAD и BIM форматов, включая битые, неполные или несогласованные экспорты
— Опыт с OCR для европейских языков и отраслевой терминологии
— Опыт оптимизации ML-инференса для CPU-only окружений
— Опыт деплоя ML-сервисов в изолированных средах заказчика без внешних зависимостей
— Опыт с графовыми представлениями инженерных структур или планировок зданий
— Умение читать технические чертежи на немецком или французском языке
— Немецкий или французский на уровне B1–B2
Контакты работодателя доступны по кнопке «Откликнуться» после входа.
Из чего сложилась оценка. Нажмите, чтобы узнать подробнее
Понятные задачи
Задачи подробно описаны: разработка CV и ML решений для архитектурных чертежей, построение пайплайнов с растровыми и векторными данными, восстановление структурированных объектов с топологией.
Из объявления
-Разрабатывать computer vision и machine learning решения для архитектурных чертежей, технических документов, CAD и BIM-данных … -Строить пайплайны, объединяющие растровые изображения, векторную геометрию, структурированные инженерные данные, OCR и ML-модели … -Восстанавливать структурированные объекты из геометрических примитивов, включая топологию и пространственные связи
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.