TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #106 · 19.11

Это должен был быть выпуск про зарплаты, но я понял, что ничего нового или интересного всё-таки не скажу, да и тема слишком уж попсовая. Поэтому будет выпуск про энтерпрайз-разработку. В конце-концов, странно записывать подкаст не о том, что ты хочешь. Вообще, выпуск дался тяжело, потому что я понял, что трачу на продакшен сильно больше времени, чем готов. Поэтому данный эпизод я записал в ускоренном режиме — паузы между словами порезал автоматически, не стал вставлять никакие заставки. В двух-трёх местах это слышно, но глобально, как мне кажется, нельзя сказать, что качество упало на порядок. Несмотря на то, что я получил много действительно приятных отзывов о подкасте, какой-то фундаментальной разницы он не сделал. Подписчики — то же активное ядро моей аудитории, как и в остальных местах. При этом усилий он требует больше, чем посты, а информации позволяет передать меньше: картинки и видео уже не прикрепишь. Понятно, отчего большинство подкастов выживают только в «тяжёлом» формате: когда приглашают известных гостей и разговаривают с ними по полтора-два часа. И отдельная беда это отсутствие централизованной площадки. Недавно дал человеку ссылку на выпуск в Яндекс.Музыке, оказалось, у него нет там подписки, а без подписки внезапно Яндекс слушать даже подкасты не даёт. Пришлось давать ссылку на Телеграм, где подкаст полуофициально. Хотя вот подкасты запустили в российском Spotify, и мой там теперь тоже есть. Подумал о том, что, наверное, подкаст выродится в короткие аудио-заметки по 5 минут. Но в таком стиле классически существуют скорее видеозаписи. Наверное, от подкаста ожидается бОльшее вовлечение, а условный ютуб можно включить ненадолго за завтраком. Да, широко известно, что ютуб зачастую слушают, а не смотрят, но видимо сам факт наличия изображения что-то меняет в восприятии. Однако, если делать короткие видеоролики, то это уже какой-то ТикТок, а этого бы совсем не хотелось. Из всех взрослых людей, которых я считаю адекватными, тикток смотрят процентов 10, пожалуй. Я, возможно, найду там аудиторию, но совсем не ту, которую хотел бы. В общем, я в раздумьях. #podcast

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #efficientdet

当前筛选 #efficientdet清除筛选
Data Science Jobs

@datasciencejobs · Post #2854 · 08.08.2025 г., 06:05

#вакансия#ML#CV#Engineer#Senior#YOLOv5#YOLOv8#EfficientDet#EfficientNet#ResNet#ViT#DeepLab#ObjectTracking#SQL#Docker#k8s#Remote Senior CV/ML Engineer Всем привет! Наша компания Will9 (резиденты Сколково, ИТ-аккредитация) активно развивает продуктовое направление, в связи с чем мы находимся в поиске Senior CV/ML Engineer в высоконагруженный масштабный продукт для ритейла. Наша компания занимается реализацией проектов для ТОП-3 ритейлеров РФ и работает на рынке более 8 лет. Вам предстоит принять участие в составе команды асов в разработке продукта. Спектр задач довольно широкий – матчинг товаров и ценников, построение облаков эмбеддингов, классифкация, сегментация и детектирование, трекинг объектов, а также непрерывное дообучение в “боевых” условия магазинов на тысячах камер. Мы ждем от вас: ● Более 4 лет опыта полного цикла обучения, развертывания и поддержки систем компьютерного зрения (желательно в ритейле, индустриальной или IoT-сфере) ● Опыт построения пайплайна от сбора данных до инференса в проде: ○ Аугментация, аннотация, выбор модели, обучение, валидация, экспорт, интеграция. ○ Применение Active Learning, Semi-supervised Learning (если аннотация ограничена). ● Практический опыт владения языком Python более 4 лет (основные библиотеки для DS/ML/CV) ● Глубокое знание современных CV-технологий: ○ Object Detection: YOLOv5/v8, SSD, Effi cientDet, Faster R-CNN и др. ○ Image Classifi cation: Effi cientNet, ResNet, ViT и др. ○ Instance/semantic segmentation: Mask R-CNN, DeepLab. ○ Object Tracking. ● Опыт построения и поддержки больших мультиклассовых каталогов: ○ Работа с большим количеством классов (10k+), включая fi ne-grained classifi cation. ○ Оптимизация производительности при inferencing на большом классовом спейсе ● Приветствуется знание систем баз данных (например, PostgreSQL, Infl uxDB) и языка SQL. ● Опыт с микросервисной архитектурой и контейнеризацией (Docker, Kubernetes), а также организации высокопроизводительного инференса (например, DeepStream или Triton Inference Server) ● Практический опыт оптимизации сетей (прунинг, квантизация, дистилляция) будет существенным плюсом Что мы предлагаем: ● Конкурентоспособная заработная плата (170-300k для middle, от 300 до 500к на руки для senior в зависимости от опыта). ● Делаем 2 новых продукта (трекшен от ритейла очень хороший). ● Небольшой эффективный коллектив проектной команды, собранный из профессионалов (A-Team). ● Полностью удаленный формат работы и гибкий график. ● Готовы брать и на проектную деятельность (неполная занятость). 👉 По всем вопросам и с резюме пишите @PrometeiArt