Обязанности:
CTRL+ это R&D компания по разработке новейших программно-аппаратных комплексов. Наши технологии в сфере IoT, AI и Embedded программирования и собственное производство микроэлектроники позволяют сложные задачи делать решаемыми. У нас 2 офиса (в Москве и Сербии). Мы занимаемся заказной разработкой в гражданской сфере, а также продуктовой. О роли -> Ищем ML-инженера на проект (3–4 месяца) для разработки алгоритмов детектирования активности на носимом устройстве (часы). Задача — создать и довести до внедрения ML-решение, работающее непосредственно на устройстве (edge): от работы с сырыми сенсорными данными до интеграции модели в прошивку. Это прикладная инженерная роль — важен опыт работы с реальными сигналами, ограничениями устройств и доведения моделей до production. Задача проекта -> Разработка системы определения профилей активности работников на основе данных носимого устройства. Что есть: данные с акселерометра данные с PPG-сенсора (пульс / SpO2) носимое устройство (часы) с ограниченными ресурсами Задачи: Проработка подхода к задаче определения профилей активности (классификация / сегментация) на основе данных сенсоров Анализ и обработка сенсорных данных (акселерометр, PPG, временные ряды) Организация сбора и/или разметки датасета, уточнение требований к разметке Разработка признаков и пайплайна обработки сигналов (feature engineering) Выбор и реализация ML-подхода с учётом прикладных ограничений Обучение, тестирование и валидация моделей Подготовка тестового плана и оценка качества (достижение целевых метрик) Оптимизация моделей под ограничения устройства: память вычислительные ресурсы энергопотребление Подготовка модели к внедрению (on-device inference, embedded-среда) Взаимодействие с embedded-командой при интеграции в прошивку устройства Результат: модель (или набор моделей), работающая на устройстве подтверждённые метрики качества понятная документация по алгоритму и ограничениям Что важно -> Опыт решения прикладных ML-задач с сигналами / сенсорами Понимание, как модели работают на устройстве, а не в облаке Умение находить простые и устойчивые решения Способность работать с «грязными» и неполными данными Ориентация на результат (рабочий алгоритм, а не эксперимент) Ожидания по опыту: Опыт ML Engineer / Applied ML от 2–3 лет Опыт edge ML / embedded ML / on-device inferenceили практический опыт оптимизации моделей под ограничения Уверенный Python - как инструмент для анализа и прототипирования Опыт работы с временными рядами / сигналами Опыт feature engineering для сенсорных данных Опыт построения и оценки моделей (classification / sequence models) Понимание метрик качества и валидации Будет плюсом: Опыт работы с wearable-устройствами Работа с акселерометром, гироскопом, PPG или похожими сенсорами Знание подходов к обработке сигналов (фильтрация, FFT и др.) Опыт оптимизации моделей Опыт внедрения моделей в embedded-среду Этапы интервью: Первичное интервью с HR (формат онлайн) Интервью с Руководителем проекта и Руководителем отдела разработки (формат онлайн) Оффер на проектную работу при положительном решении Все этапы могут занимать от 3-х дней до 2-х недель, в зависимости от ваших возможностей и загруженности нашей командыПохожие вакансии