شرح شغل و وظایف
ما در فرادید، به عنوان یک شرکت دانشبنیان فعال در حوزه بینایی ماشین (Machine Vision)، در حال توسعه راهکارهای پیشرفته برای مشتریان بزرگ صنعتی هستیم. فضای کاری ما ترکیبی از تحقیق و توسعه (R&D) پویا، چالشهای مهندسی پیچیده و همکاری در محیطی دوستانه است. اگر در حل مسائل دشوار بینایی ماشین تجربه دارید و از ایدهپردازی و تبدیل ایدههای پژوهشی به محصولات کاربردی لذت میبرید، جای شما در تیم ما خالی است.
مسئولیتها و انتظارات:
تحقیق، طراحی و پیادهسازی راهکارهای نوین در حوزه بینایی ماشین.
مشارکت فعال در جلسات طوفان فکری (Brainstorming) تیمی جهت بررسی ایدهها و بهینهسازی مسیر توسعه محصولات.
مطالعه مستمر مقالات علمی و بهروزرسانی دانش فنی تیم با تکنولوژیهای نوین.
الزامات فنی (Technical Requirements):
تجربه عمیق در کار با Feature Extractorهای کلاسیک و مدرن و تحلیل لایههای آنها.
تسلط بر تکنیکهای انتقال یادگیری (Transfer Learning).
مهارت برنامهنویسی حرفهای با استفاده از کتابخانههای پردازش تصویر (OpenCV) و چارچوبهای یادگیری عمیق (PyTorch و TensorFlow).
تسلط بر ابزارهای توسعه نرمافزار (Git و Docker).
تخصص در معماریها:
تسلط کامل بر معماریهای شاخص بینایی ماشین (Classification, Object Detection, Segmentation).
تسلط ویژه بر خانواده معماریهای YOLO؛ شامل شناخت دقیق حداقل سه نسخه اخیر و تحلیل تفاوتهای فنی و عملکردی آنها.
پیشنیازهای تحقیقاتی و سوابق:
متقاضی محترم باید دارای یکی از دو شرایط زیر باشد تا توانمندی تحقیقاتی ایشان احراز گردد:
سابقه آکادمیک: ارائه حداقل یک مقاله علمی پذیرفتهشده در مجلات معتبر Q۱ در حوزههای مرتبط با بینایی ماشین یا یادگیری ماشین.
سابقه صنعتی: حداقل ۲ سال تجربه کاری تخصصی در پروژههای صنعتی بینایی ماشین.
مزیتهای رقابتی (امتیاز محسوب میشود):
Model Adaptation / Domain Adaptation / Domain Generalization
Few-shot Learning & Semi-supervised Learning
Unsupervised Learning Techniques
Representation Learning & Contrastive Learning
Spatio-temporal Video Processing Approaches
Anomaly Detection
آنچه ما ارائه میدهیم:
محیطی مبتنی بر یادگیری مداوم، چالشهای فنی سطح بالا و همکاری در تیمی که تحقیق را نه یک وظیفه، بلکه بخشی از حیات روزمره خود میداند.
مسئولیتها و انتظارات:
تحقیق، طراحی و پیادهسازی راهکارهای نوین در حوزه بینایی ماشین.
مشارکت فعال در جلسات طوفان فکری (Brainstorming) تیمی جهت بررسی ایدهها و بهینهسازی مسیر توسعه محصولات.
مطالعه مستمر مقالات علمی و بهروزرسانی دانش فنی تیم با تکنولوژیهای نوین.
الزامات فنی (Technical Requirements):
تجربه عمیق در کار با Feature Extractorهای کلاسیک و مدرن و تحلیل لایههای آنها.
تسلط بر تکنیکهای انتقال یادگیری (Transfer Learning).
مهارت برنامهنویسی حرفهای با استفاده از کتابخانههای پردازش تصویر (OpenCV) و چارچوبهای یادگیری عمیق (PyTorch و TensorFlow).
تسلط بر ابزارهای توسعه نرمافزار (Git و Docker).
تخصص در معماریها:
تسلط کامل بر معماریهای شاخص بینایی ماشین (Classification, Object Detection, Segmentation).
تسلط ویژه بر خانواده معماریهای YOLO؛ شامل شناخت دقیق حداقل سه نسخه اخیر و تحلیل تفاوتهای فنی و عملکردی آنها.
پیشنیازهای تحقیقاتی و سوابق:
متقاضی محترم باید دارای یکی از دو شرایط زیر باشد تا توانمندی تحقیقاتی ایشان احراز گردد:
سابقه آکادمیک: ارائه حداقل یک مقاله علمی پذیرفتهشده در مجلات معتبر Q۱ در حوزههای مرتبط با بینایی ماشین یا یادگیری ماشین.
سابقه صنعتی: حداقل ۲ سال تجربه کاری تخصصی در پروژههای صنعتی بینایی ماشین.
مزیتهای رقابتی (امتیاز محسوب میشود):
Model Adaptation / Domain Adaptation / Domain Generalization
Few-shot Learning & Semi-supervised Learning
Unsupervised Learning Techniques
Representation Learning & Contrastive Learning
Spatio-temporal Video Processing Approaches
Anomaly Detection
آنچه ما ارائه میدهیم:
محیطی مبتنی بر یادگیری مداوم، چالشهای فنی سطح بالا و همکاری در تیمی که تحقیق را نه یک وظیفه، بلکه بخشی از حیات روزمره خود میداند.
