نحن نبحث عن عالم بيانات ذي خبرة عملية قوية في مجال الرؤية الحاسوبية وتعلم الآلة التطبيقي لتطوير نماذج ذكاء اصطناعي قائمة على الرؤية، وضبطها بدقة، وتقييمها، وتحسينها. يجب أن يمتلك المرشح المثالي خبرة عملية في العمل مع بنى كشف الكائنات وتتبعها وتجزئتها الحديثة، باستخدام أطر عمل مثل PyTorch وTensorFlow وOpenCV.
ستعمل مع مجموعات بيانات الصور والفيديو، وستقوم بتجربة نماذج الرؤية الحاسوبية المتطورة، وتحسين أداء النماذج لتلبية متطلبات النشر في العالم الحقيقي.
المسؤوليات الرئيسية
- تطوير وتدريب وضبط نماذج الرؤية الحاسوبية لكشف الكائنات وتتبعها وتجزئة الصور باستخدام PyTorch وTensorFlow وOpenCV.
- العمل العملي مع البنى الحديثة، بما في ذلك YOLO وRF-DETR ونماذج الرؤية واللغة (VLMs)، مع تكييف النماذج وضبطها لحالات استخدام محددة.
- تنظيم ومعالجة وتنظيف وتعزيز مجموعات بيانات الصور والفيديو بالتعاون مع فرق التعليق التوضيحي.
- تدريب النماذج وتقييمها وتحسينها بشكل متكرر بناءً على مقاييس الأداء، بما في ذلك متوسط دقة الكشف (mAP)، والدقة (precision)، والاستدعاء (recall).
- تتبع التجارب وإصدارات النماذج ونتائج الأداء باستخدام أدوات مثل MLflow أو Weights & Biases.
- تحسين النماذج للاستدلال والنشر باستخدام تقنيات مثل TensorRT وONNX، مع الأخذ في الاعتبار قيود الأداء والنشر في العالم الحقيقي.
المتطلبات
- درجة البكالوريوس أو الماجستير في علوم الحاسوب، أو علم البيانات، أو تعلم الآلة، أو مجال ذي صلة.
- خبرة عملية من 3 إلى 7 سنوات في تعلم الآلة التطبيقي، مع تركيز قوي على الرؤية الحاسوبية.
- مهارات برمجة قوية بلغة Python وخبرة عملية مع PyTorch أو TensorFlow، بالإضافة إلى OpenCV.
- خبرة مثبتة في تطوير أو ضبط نماذج كشف الكائنات وتتبعها وتجزئتها.
- معرفة عملية ببنى الرؤية الحاسوبية مثل YOLO؛ وتعد الخبرة مع RF-DETR ذات صلة.
- الإلمام بمقاييس تقييم النماذج، وإعداد مجموعات البيانات، وتعزيز البيانات، والتحسين التكراري للنماذج.
- خبرة في أدوات تتبع التجارب مثل MLflow أو Weights & Biases.
- الإلمام بتقنيات تحسين النماذج والاستدلال مثل ONNX وTensorRT.
يفضل: خبرة عملية في ضبط نماذج الرؤية واللغة (VLMs).
معايير التقديم المهمة
يجب على المرشحين استيفاء متطلبات الخبرة التقنية ذات الصلة والحصول على خبرة عملية في الرؤية الحاسوبية.
We are looking for an experienced Data Scientist with strong hands-on expertise in Computer Vision and Applied Machine Learning to develop, fine-tune, evaluate, and optimise vision-based AI models. The ideal candidate will have practical experience working with modern object detection, tracking, and segmentation architectures, using frameworks such as PyTorch, TensorFlow, and OpenCV.
You will work with image and video datasets, experiment with state-of-the-art computer vision models, and optimise model performance for real-world deployment requirements.
Key Responsibilities
- Develop, train, and fine-tune computer vision models for object detection, object tracking, and image segmentation using PyTorch, TensorFlow, and OpenCV.
- Work hands-on with modern architectures, including YOLO, RF-DETR, and Vision-Language Models (VLMs), adapting and fine-tuning models for specific use cases.
- Curate, preprocess, clean, and augment image and video datasets in collaboration with annotation teams.
- Train, evaluate, and iteratively improve models against performance metrics, including mean Average Precision (mAP), precision, and recall.
- Track experiments, model versions, and performance results using tools such as MLflow or Weights & Biases.
- Optimise models for inference and deployment using technologies such as TensorRT and ONNX, taking real-world performance and deployment constraints into account.
Requirements
- Bachelor's or Master's degree in Computer Science, Data Science, Machine Learning, or a related field.
- 3–7 years of hands-on applied Machine Learning experience, with a strong focus on Computer Vision.
- Strong Python programming skills and practical experience with PyTorch or TensorFlow, together with OpenCV.
- Demonstrated experience developing or fine-tuning models for object detection, tracking, and segmentation.
- Practical knowledge of computer vision architectures such as YOLO; experience with RF-DETR is relevant.
- Familiarity with model evaluation metrics, dataset preparation, data augmentation, and iterative model improvement.
- Experience with experiment-tracking tools such as MLflow or Weights & Biases.
- Familiarity with model optimisation and inference technologies such as ONNX and TensorRT.
Preferred: Hands-on experience fine-tuning Vision-Language Models (VLMs).
Important Application Criteria
Candidates must meet the relevant technical experience requirements and have practical Computer Vision experience.