Acrontis

Локація: Україна
Формат роботи: віддалено або проєктна співпраця
Зайнятість: проєктна / повна за домовленістю
Компанія: Acrontis

Кого шукаємо

Потрібен програміст / інженер Computer Vision, який має практичний досвід з YOLO: навчанням, донавчанням, підготовкою датасетів, експортом моделей та запуском інференсу на edge-пристроях.

Навчання нейронної мережі може виконуватися на будь-якій придатній машині: локальному ПК, сервері, GPU-станції або в хмарі. Цільова платформа для запуску готової моделі — Raspberry Pi 5 або Orange Pi.

Завдання — підготувати, навчити або адаптувати YOLO-модель та реалізувати програмне рішення відповідно до наданого технічного завдання. Повне ТЗ буде передано кандидату після попереднього відбору.

Основні задачі

• Навчання, донавчання або адаптація YOLO-моделі під задані класи об’єктів.
• Підготовка датасету: перевірка розмітки, структури класів, балансу класів, якості зображень.
• Експорт та оптимізація моделі для подальшого запуску на ARM/Linux-пристрої.
• Запуск інференсу на Raspberry Pi 5 або Orange Pi.
• Розробка або доопрацювання C++ Linux-сервісу для локального запуску моделі.
• Забезпечення стабільної роботи сервісу на цільовому пристрої без Python-залежностей.
• Тестування точності, швидкодії та стабільності роботи моделі.
• Підготовка install-kit або інструкції для встановлення на Linux.
• Передача вихідного коду, моделі, конфігурацій та короткої технічної документації.

Обов’язкові вимоги

• Практичний досвід з YOLO: навчання, донавчання, експорт, тестування.
• Досвід роботи з Computer Vision та object detection.
• Досвід роботи з Linux.
• Знання C++ на рівні розробки прикладного сервісу.
• Розуміння запуску інференсу на Raspberry Pi 5, Orange Pi або інших ARM/Linux-платформах.
• Розуміння форматів моделей, preprocessing/postprocessing, confidence filter, NMS.
• Вміння оптимізувати модель і сервіс під обмежені ресурси edge-пристрою.
• Вміння працювати з технічним завданням без постійного уточнення базових речей.
• Готовність передати повний результат роботи: код, модель, конфіги, інструкцію.

Бажано

• Досвід з NCNN, ONNX, TensorRT, OpenVINO або іншими inference-фреймворками.
• Досвід оптимізації моделей під CPU/ARM.
• Досвід роботи з systemd-сервісами.
• Досвід створення API або локальних сервісів для обробки зображень.
• Досвід роботи з CMake.
• Розуміння BMP, JPEG, RGB buffer, TCP socket, HTTP API.
• Досвід запуску нейромереж без OpenCV та без Python на цільовому пристрої.

Що потрібно зробити в межах проєкту

• Ознайомитися з ТЗ.
• Запропонувати технічний план виконання.
• Підготувати або навчити YOLO-модель.
• Експортувати модель у формат, придатний для запуску на цільовій платформі.
• Забезпечити запуск готової моделі на Raspberry Pi 5 або Orange Pi.
• Реалізувати програмну частину згідно з ТЗ.
• Провести тестування на реальних або наданих зображеннях.
• Надати готовий комплект для встановлення та перевірки.
• Передати всі вихідні матеріали замовнику.

Результат, який очікуємо

На виході має бути робоче рішення, яке можна встановити на Linux-пристрій, запустити як сервіс і використовувати для локального розпізнавання об’єктів.

Навчання моделі може виконуватися поза цільовим пристроєм. На Raspberry Pi 5 або Orange Pi має стабільно працювати саме готовий inference-сервіс.

Рішення має бути оформлене так, щоб його можна було перевірити, повторно встановити та передати іншому технічному спеціалісту.

Як відгукнутися

У відгуку потрібно коротко вказати:

1. Які YOLO-моделі ви навчали або донавчали.
2. Де виконували навчання: локальний ПК, сервер, GPU-станція, хмара.
3. На яких пристроях запускали інференс.
4. Чи працювали з Raspberry Pi 5 або Orange Pi.
5. Чи є досвід з C++, Linux, systemd, CMake.
6. Чи є досвід оптимізації моделей під ARM/Linux.
7. Приклади схожих задач або короткий опис релевантного досвіду.
8. Орієнтовний строк виконання після отримання повного ТЗ.

Кандидати без практичного досвіду навчання YOLO або запуску object detection на edge-пристроях не розглядаються.

Шукаємо інженера-конструктора, який впевнено працює в SolidWorks і може самостійно створювати 3D-моделі пластикових деталей для 3D-друку: з нуля, за зразком, ескізом, фотографією або реальною деталлю.

Основні задачі:

Розробка 3D-моделей деталей і вузлів у SolidWorks.

Створення деталей з нуля за фізичним зразком, фото, ескізом або технічним описом.

Зняття розмірів з реальної деталі та відновлення її геометрії у 3D-моделі.

Зміна існуючих моделей: розміри, форма, отвори, кріплення, посадкові місця, ребра жорсткості, технологічні елементи.

Адаптація деталей під 3D-друк із пластику.

Підготовка файлів для друку: STL, STEP, 3MF.

Підготовка технічних креслень за потреби.

Перевірка збірки деталей, зазорів, кріплень і відповідності конструкції реальному застосуванню.

Вимоги:

Впевнене володіння SolidWorks.

Уміння побудувати деталь з нуля без готового креслення.

Уміння працювати за зразком реальної деталі.

Розуміння особливостей 3D-друку пластикових деталей.

Розуміння товщин стінок, зазорів, посадок, отворів, кріплень, різьбових вставок, ребер жорсткості.

Уміння робити модель так, щоб її можна було нормально надрукувати і потім використовувати.

Акуратна структура моделі: зрозумілі ескізи, розміри, залежності, можливість подальшого редагування.

Практичний підхід: деталь має бути не просто намальована, а придатна для друку, складання і роботи.

Буде перевагою:

Досвід проєктування корпусів, кришок, кронштейнів, тримачів, перехідників, рамок, монтажних елементів.

Досвід підготовки деталей саме під FDM/FFF 3D-друк.

Розуміння матеріалів для 3D-друку: PETG, ABS, ASA, PLA, Nylon.

Досвід роботи з допусками для 3D-друку.

Уміння враховувати напрям друку, підтримки, усадку, міцність по шарах і навантаження на деталь.

Уміння користуватися штангенциркулем та іншими вимірювальними інструментами.

Досвід реверс-інжинірингу пластикових деталей.

Формат роботи:

Проєктна або постійна робота.

Задачі будуть пов’язані з розробкою, зміною та підготовкою до друку пластикових деталей, корпусів, кріплень, перехідників і конструктивних елементів.

Потрібен спеціаліст, який може отримати зразок деталі, зрозуміти її призначення, зняти розміри, побудувати 3D-модель, внести потрібні зміни і підготувати файл для 3D-друку.