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

Локация: Таганрог, ул. Котлостроительная, 2–6; офисная занятость, удалённо или гибридно. График 5/2, 10:00–18:00.

Компания

Полигонатор создаёт тренажёры, симуляционные и VR-среды с реалистичной физикой, а также ПО и AI-продукты для предприятий.

Что делать

• Переводить бизнес-задачи в технические постановки, определять метрики, данные и критерии успеха.
• Строить модели регрессии, классификации, ансамблей и кластеризации, выполнять feature engineering.
• Решать задачи Computer Vision: классификация изображений, детекция, сегментация, трекинг и обработка видео с камер и VR-устройств.
• Проектировать и анализировать A/B-эксперименты, проводить статистический вывод и работать с продуктовыми метриками.
• Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
• Участвовать в планировании задач и архитектуры аналитических решений, работать с ветками, код-ревью и CI/CD.

Требования

• 1–3 года коммерческого опыта в Data Science или аналитике данных, включая задачи Computer Vision.
• Уверенный Python: чистый, тестируемый и воспроизводимый код, type hints, модули и venv; PyTest для тестирования обработки данных и моделей.
• Git, работа с ветками и ревью, базовое понимание CI; Docker для упаковки окружений и аналитических сервисов.
• Уверенный SQL: JOIN, агрегации, оконные функции, подзапросы и CTE.
• Линейная алгебра, теория вероятностей, математическая статистика; понимание валидации моделей, переобучения и data leakage.
• Практический опыт с регрессией, классификацией, XGBoost, LightGBM или CatBoost; понимание кластеризации, PCA и feature engineering.
• Computer Vision: CNN, transfer learning, аугментации; практический опыт с YOLO, Faster R-CNN или SSD; понимание и применение U-Net, Mask R-CNN или SAM.
• Трекинг и видеообработка, OpenCV, PIL/Pillow, torchvision; метрики IoU, mAP, precision/recall и F1; подготовка разметки и работа с дисбалансом классов.
• Продуктовое мышление, самостоятельное доведение задач до результата, умение объяснять результаты и выбирать архитектуру аналитических решений. Английский для чтения документации и научных статей обязателен.

Хорошо, если есть

• Polars, PySpark, MLflow, Airflow, Streamlit или Dash.
• TensorFlow/Keras, Detectron2 или MMDetection.
• Опыт работы с 3D-данными: point clouds, depth maps, стерео-зрение.
• C/C++, Rust или Go для инфраструктурных задач.
• Понимание Unreal Engine 5 и опыт работы с симуляциями.

Культура и преимущества

• Официальное трудоустройство и полностью белая заработная плата.
• Социальный пакет по ТК РФ.
• ИТ-аккредитация компании, технически оснащённый офис.
• Возможность участвовать в разработке AI-продуктов и реализовывать собственные технические решения.
• Офисный, удалённый или гибридный формат работы при графике 5/2 с 10:00 до 18:00.