Data Scientist (Middle / Middle+, Python) — Computer Vision — Россия, Воронеж

О компании

7gyKwFwc7S8 — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы, интерактивные среды для отработки управления техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.

Мы создаём полноценное ПО (от проектирования до внедрения) и строим продукты с внедрением ИИ — от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. С 2016 года реализовали более 40 проектов. В работе используем Unreal Engine 5 для создания детализированных и реалистичных виртуальных сред.

О роли

Мы ищем Data Scientist с опытом в Computer Vision, который умеет превращать бизнес-задачу в техническую постановку, строить прогнозные и CV-модели и проверять гипотезы статистически строго. Вы будете работать с данными тренажёров и симуляций: анализировать поведение пользователей, обрабатывать изображения и видео с камер, строить модели детекции и сегментации, проектировать и анализировать A/B-эксперименты. Роль — на стыке аналитики, классического ML, компьютерного зрения и продуктового мышления.

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой работы в Data Science / аналитике данных, включая задачи Computer Vision

Формат: офис, г. Таганрог, ул. Котлостроительная, 2-6; график 5/2, 10:00–18:00

Что вы будете делать

• Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.

• Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.

• Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.

• Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.

• Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.

• Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.

• Работать с продуктовыми метриками: retention, LTV, конверсия.

• Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.

• Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.

• Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

• Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).

• Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.

• PyTest — написание тестов для функций обработки данных и моделей.

• Docker — упаковка окружения и аналитических сервисов.

• SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.

• Английский — чтение документации и научных статей.

Математическая база

• Линейная алгебра, теория вероятностей, математическая статистика.

• Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).

• Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.

• Статистический вывод: проверка гипотез, p-value, доверительные интервалы.

• Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

• Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.

• Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.

• Кластеризация, PCA — понимание и практическое применение.

• Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

• Классификация изображений: CNN, transfer learning, аугментации.

• Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.

• Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.

• Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).

• Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.

• Метрики CV: IoU, mAP, precision/recall по классам, F1.

• Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

• Понимание продуктовых метрик: retention, LTV, конверсия.

• Умение переводить бизнес-задачу в техническую постановку.

• Способность объяснить результат нетехническим стейкхолдерам.

• Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.

• Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

• pandas, NumPy — основной инструментарий обработки данных.

• scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).

• PyTorch — обучение CV-моделей; torchvision.

• OpenCV, PIL/Pillow — обработка изображений и видео.

• Albumentations — аугментации.

• Matplotlib / Seaborn / Plotly — визуализация данных и результатов.

• XGBoost / LightGBM — градиентный бустинг.

• SQL, Git.

• GitLab — основная платформа.

Будет плюсом

• Polars — быстрая обработка больших датафреймов.

• PySpark — работа с большими данными.

• MLflow — трекинг экспериментов и версионирование моделей.

• Airflow — оркестрация пайплайнов данных.

• Streamlit / Dash — быстрые интерактивные дашборды и прототипы.

• TensorFlow / Keras — альтернативный фреймворк для CV.

• Detectron2, MMDetection — фреймворки для детекции и сегментации.

• Работа с 3D-данными: point clouds, depth maps, стерео-зрение.

• C/C++, Rust, Go — для инфраструктурных задач.

• Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

• ИТ-аккредитация компании.

• Официальное трудоустройство, полностью «белая» заработная плата.

• Социальный пакет по ТК РФ.

• Заработная плата обсуждается индивидуально по итогам собеседования.

• Адрес: г. Таганрог, ул. Котлостроительная, 2-6.

• График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.

• Современный технически оснащённый офис.

• Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.

• Дружная команда и комфортная рабочая атмосфера.