Консультант / Інженер з OCR/ Computer vision

Ми шукаємо фахівця, який допоможе нам проаудитити, спроєктувати й поліпшити якість розпізнавання тексту з фото (таблички з текстом та цифрами). Спочатку потрібне консультування та план робіт, далі — пілотна імплементація покращень. Проєкт одноразовий (part-time), під NDA, з можливістю коротких хвиль підтримки після POC.

ЩО ВЖЕ Є (вихідні умови):

• Є поточний конвеєр розпізнавання, який перетворює символи з фото у табличний вигляд (зараз без порогу впевненості та без зонування результатів).
• Потрібно додати метрики якості, пороги впевненості та зонування (зелена/сіра/червона) для модерації.
• Потрібен ретроспективний прогін попередніх фото для пошуку помилок.
• Навчальні/тестові дані доведеться зібрати із наявної бази (мітити приклади, де були правки vs підтвердження).
• Потрібен шар правил валідації (наприклад, недопустимі дати на кшталт “30 лютого”, майбутні роки тощо).
• Бажано спиратися на опенсорс-рішення та розгортати в інфраструктурі Google.
• Якість вихідних фото лишається як є; орієнтовно “ідеальне” розпізнавання зараз ~50%, але кейси «заздалегідь» не відсіяти без людини.
• На цьому етапі це не ТЗ із кошторисом, а консультація + пілот з чіткими критеріями.

ВАШІ ПЕРШІ ЗАДАЧІ (1–3 тижні):

• Провести аудит поточного пайплайну та даних; сформувати роудмапу покращень із пріоритезацією.
• Запропонувати метрики оцінки якості (precision/recall/F1, частка «сірої зони») та спосіб їх вимірювання на POC.
• Спроєктувати зонування за впевненістю і правилами, описати механіку модерації.
• Запропонувати підхід до розмітки даних (відбір підмножини, інструкції для міток, контроль якості).
• Сформувати валидаційний шар (правила цілісності, формати, діапазони).
• Рекомендації щодо інструментів/моделей (опенсорс) та розгортання в Google-інфраструктурі.

• Оцінити обсяг робіт на POC та підготувати план ретро-прогону історичних зображень.

   

ЩО ОЧІКУЄМО ВІД ФАХІВЦЯ:

• Досвід у OCR / Computer Vision та пост-обробці результатів (нормалізація, фільтри, правила, агрегації).
• Практика з хоча б одним зі стеків: Tesseract / PaddleOCR / EasyOCR / TrOCR, OpenCV, Python (скрипти/пайплайни).
• Розуміння метрик якості, побудови POC/benchmark, конфігурування confidence thresholds.
• Досвід із даними: організація розмітки, формування train/test-вибірок, контроль якості міток.
• Бажано: GCP (Cloud Run / Functions / Storage / Pub/Sub / Vertex/AI або еквіваленти), бази даних, простий MLOps.
• Вміння чітко пояснювати компроміси, працювати під NDA, пропонувати поетапне впровадження.

ФОРМАТ:

• Одноразовий part-time проєкт: консультація → POC → (за потреби) коротка імплементаційна фаза.
• Віддалено, гнучкий графік; старт — ASAP.
• Модель співпраці: T&M погодинно або фікс за POC-етап (узгодимо на старті).
• Короткий пілот/міні-завдання може бути оплачуваним.

ЩО ДАСТЕ НА ВИХОДІ:

• Аудит і дорожня карта покращень з ризиками та залежностями.
• Метрики якості і цільові пороги для зонування (зелена/сіра/червона).
• Працюючий POC (скрипти/сервіс), що демонструє приріст якості та ретро-прогін на підмножині.
• Специфікація правил валідації й рекомендації щодо масштабування.

ПРОЦЕС ВІДБОРУ:

1. Резюме/портфоліо з релевантними кейсами OCR.
2. Коротка співбесіда (30–45 хв) + обговорення підходу до наших умов.
3. Оплачуємий міні-пілот або детальний план POC.
4. Старт.

Як податися
 

Надішліть CV/LinkedIn та 1–2 приклади, де ви:

• впроваджували пороги впевненості/зонування або валидаційні правила;
• робили ретро-прогін даних чи підвищували метрики OCR у продакшені.

Мова спілкування — українська.