Mid Computer Vision Engineer — Edge Computing

Nasze wymagania

• Co najmniej kilkuletnie doświadczenie komercyjne z Pythonem na poziomie produkcyjnym.
• Praktyczna znajomość OpenCV: przetwarzanie obrazu, transformacje geometryczne, praca ze strumieniem wideo.
• Doświadczenie z PyTorch oraz CUDA w kontekście uruchamiania inferencji modeli na GPU.
• Doświadczenie z detekcją obiektów przy użyciu modeli typu YOLO (Ultralytics lub równoważny workflow), nie tylko eksperymenty, lecz ścieżka zbliżona do produkcyjnej.
• Zrozumienie strumieni wideo (RTSP) i ograniczeń przy analizie w czasie rzeczywistym: FPS, buforowanie, opóźnienia, typowe problemy sieciowe.
• Doświadczenie w pracy z Linuxem i środowiskiem zbliżonym do edge computing oraz wdrożeń u klienta.
• Docker: budowa i utrzymanie obrazów kontenerowych, uruchamianie w środowisku wdrożeniowym, podstawowa diagnostyka.
• Praktyczna znajomość lekkich baz osadzonych (np. SQLite): prosty schemat, transakcje, zapytania parametryzowane.
• Biegłość w Git.
• Samodzielna praca z dokumentacją techniczną w języku angielskim.
• Gotowość do pracy wdrożeniowej i testowej z realnym sprzętem.

Mile widziane

• Doświadczenie z NVIDIA Jetson, JetPack oraz środowiskiem uruchomieniowym na urządzeniach brzegowych.
• TensorRT lub podobna optymalizacja pod NVIDIA.
• ONNX jako format pośredni.
• Kwantyzacja i optymalizacja pod ograniczenia zasobów na edge.
• PyAV, FFmpeg, GStreamer lub inny stos wideo w pipeline’ie na urządzeniu brzegowym.
• Proste interfejsy REST po stronie backendu oraz utrzymanie lekkiego interfejsu operatorskiego bez ciężkiego frameworka frontendowego.
• Doświadczenie z monitoringiem w retailu, na eventach, integracją ze strumieniami z NVR (Hikvision i podobne).
• Przygotowanie pakietów offline oraz doświadczenie w doprowadzaniu wdrożeń kontenerowych do spójnej ścieżki instalacyjnej produktu.

Twój zakres obowiązków

• Projektowanie i rozwój pipeline’u analizy wideo w Pythonie: strumień RTSP, detekcja, tracking, mapowanie na plan, liczniki i heatmapy.
• OpenCV i geometria sceny: homografia, ROI, obsługa różnic rozdzielczości między kalibracją a obrazem na żywo.
• Integracja RTSP: reconnect, limitowanie FPS, typowe problemy z NVR i siecią.
• Inferencja na GPU i CPU: wydajność przy kilku kamerach, stabilne ID w trackingu.
• Rozwój silnika na żywo, API i dashboardów operatorskich, częściowa aktualizacja konfiguracji bez restartu całości.
• Wdrożenia u klienta: venv, CUDA, skrypty startowe, pakiety offline, testy na miejscu.
• Dobór sprzętu i sposobu instalacji razem z zespołem.
• Czytelny kod, sensowna obsługa błędów.
• Walidacja w terenie: detekcja, tracking, kalibracja, przypadki brzegowe.
• Lekki backend HTTP i UI w przeglądarce.

O projekcie

Tak organizujemy naszą pracę

Tak pracujemy nad projektem

• Clean Code
• deployment na poziomie zespołu
• dokumentacja
• narzędzia do trackowania zadań
• testy funkcjonalne
• testy regresyjne
• testy wydajnościowe
• testy manualne

Ważne dla nas

• Pracujemy w modelu hybrydowym. Minimum 2 dni w tygodniu w biurze, ale można częściej.
• Zespół pracuje po polsku, ale oczekujemy swobody w pracy z dokumentacją techniczną i materiałami po angielsku.
• Wdrożenia obejmują okazjonalne wyjazdy do klienta głównie na terenie Europy i testy on-site.
• Sporadycznie możliwe są działania poza standardowymi godzinami podczas uruchomień.

Organizacja pracy

• Udział w projekcie na wczesnym etapie, z realnym wpływem na architekturę, dobór rozwiązań i kierunek rozwoju produktu.
• Pracę z realnym hardware i wdrożeniem, a nie wyłącznie z eksperymentami w notebookach.
• Możliwość wpływu na docelowy sprzęt, pipeline, modele i algorytmy.
• Mały zespół i szybkie decyzje.
• Dużą samodzielność techniczną i decyzyjność.
• Elastyczność godzin pracy w ramach ustaleń zespołu.
• Pracę nad rozwiązaniem o jasno określonym zastosowaniu i realnym scenariuszu użycia.

To oferujemy

• Udział w projekcie na wczesnym etapie, z realnym wpływem na architekturę, dobór rozwiązań i kierunek rozwoju produktu.
• Pracę z realnym hardware i wdrożeniem, a nie wyłącznie z eksperymentami w notebookach.
• Możliwość wpływu na docelowy sprzęt, pipeline, modele i algorytmy.
• Mały zespół i szybkie decyzje.
• Dużą samodzielność techniczną i decyzyjność.
• Elastyczność godzin pracy w ramach ustaleń zespołu.
• Pracę nad rozwiązaniem o jasno określonym zastosowaniu i realnym scenariuszu użycia.

Benefity

• dofinansowanie zajęć sportowych
• możliwość pracy zdalnej
• elastyczny czas pracy
• brak dress code’u
• kawa / herbata
• parking dla pracowników