استخدام مهندس بینایی ماشین

تیم هوش مصنوعی هلدینگ میراث برای پیشبرد اهداف خود به دنبال یک مهندس بینایی ماشین است. شما نقش کلیدی در طراحی، پیاده‌سازی و بهینه‌سازی مدل‌های هوشمند، به‌ویژه در حوزه‌های صنعتی، سلامت یا ساخت‌وساز ایفا خواهید کرد. 

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.
تجربه عملی در پردازش بی درنگ (Real-Time)
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 کار در پروژه های Face Recognition.
تجربه کار با چارچوب‌های استقرار: ONNX, TensorRT. 
تجربه کار با Deepstream.
تجربه کار با مدل های زبانی-تصویری(VLM).
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.

ثبت آگهی استخدام در جابینجا