Computer Vision Engineer

Также называют: CV Engineer, Computer Vision Developer, Computer Vision Scientist, Perception Engineer, Machine Vision Engineer, Vision AI Engineer.

Кто такой Computer Vision Engineer и чем он занимается?

Computer Vision Engineer — это инженер, который строит системы, распознающие объекты, людей, текст и события на изображениях и видео, и отвечает за то, чтобы они работали в реальных условиях: при плохом свете, на дешёвой камере, на устройстве без мощной видеокарты. Типичные задачи:

• собирает и размечает датасеты, ищет в них перекосы и редкие случаи;
• обучает и дообучает модели детекции, сегментации, трекинга и OCR, а всё чаще адаптирует мультимодальные модели;
• сжимает и ускоряет модели под конкретное железо: камеры, телефоны, edge-устройства, GPU-серверы;
• собирает пайплайн обработки видеопотока от камеры до результата в продукте;
• следит за качеством после релиза и разбирает ошибки модели на живых данных.

Когда компании нужен Computer Vision Engineer?

Computer Vision Engineer нужен, когда продукт зависит от того, что видит камера: контроль качества на производстве, ритейл и склады, медицинские снимки, робототехника и автономный транспорт, проверка документов, видеоаналитика, AR. Частый триггер — прототип на готовом API или мультимодальной LLM упёрся в точность, задержку или стоимость, и нужна своя модель. Второй — продукт переезжает с сервера на устройство, и модель нужно уместить в ограниченное железо. Роль не сработает, если задачу закрывает готовый облачный сервис распознавания и своей модели не планируется: тогда хватит AI / LLM Engineer или Backend Developer с опытом интеграций.

Чем Computer Vision Engineer отличается от ML Engineer?

Computer Vision Engineer отличается от ML Engineer глубиной в одной модальности: он специализируется на изображениях и видео, а ML Engineer работает с любыми данными — таблицами, текстами, событиями. У компьютерного зрения свои трудности, которые не решаются общим ML-опытом: разметка, освещение и оптика, синхронизация видеопотока, работа на слабом железе. От Data Scientist его отличает ответственность за модель в продакшене, а не за исследование.

Почему Computer Vision Engineer сложно нанять?

Computer Vision Engineer сложно нанять, потому что под одним названием скрываются очень разные профили, а опыт работы в реальных условиях встречается намного реже, чем опыт на учебных датасетах.

• Computer Vision Engineer называют себя и исследователи с публикациями, и разработчики, которые подключали готовый API, и специалисты по встраиваемым системам. Поиск по тайтлу смешивает их всех.
• Многие кандидаты знают компьютерное зрение по соревнованиям и публичным датасетам, где данные чистые. В продукте модель ломается на бликах, дожде и новой модели камеры, и такого опыта у них нет.
• Опыт с edge-устройствами — квантизация, сжатие, работа на конкретных чипах — редкий, и в резюме его трудно отличить от строчки «знаком с TensorRT».

Что выяснить до найма Computer Vision Engineer?

• Где будет работать модель: в облаке, на своём сервере или на устройстве? Edge и сервер — разные пулы кандидатов, и ошибка здесь отсекает как раз нужных людей.
• Какая задача: детекция, сегментация, трекинг, OCR, 3D? Сильный опыт в распознавании документов не означает, что человек справится с трекингом людей на видео.
• Есть ли данные и кто их размечает? Если разметки нет, первые месяцы Computer Vision Engineer будет строить процесс сбора данных, и это нужно заложить в роль.
• Своя модель или адаптация мультимодальной? От ответа зависит, нужен опыт обучения с нуля или опыт дообучения и оценки готовых моделей.

Где искать Computer Vision Engineer?

Computer Vision Engineers чаще всего приходят из робототехники и автономного транспорта, компаний видеоаналитики и умных камер, medtech с анализом снимков, финтеха с проверкой документов и промышленной автоматизации. Сильный сигнал — модель, которая работала на реальных камерах или устройствах, и рассказ о том, какие ошибки появились после запуска и как их закрывали. NEWHR ищет таких кандидатов по результатам работы, а не по откликам на вакансию.

Как проверить Computer Vision Engineer на интервью?

Computer Vision Engineer проверяют разбором системы, которую кандидат довёл до продакшена, и техническим интервью с кодом или кейсом на данных компании. В разборе идут по всей цепочке: данные и разметка, метрики, железо, ошибки на живом потоке. Со стороны компании участвуют ML Lead или CTO, а если модель работает на устройстве — инженер, который отвечает за железо.

Сильные сигналы:

• начинает с данных: откуда они, как размечены, каких случаев в них не хватает;
• называет конкретные ошибки модели в реальных условиях и рассказывает, как их исправлял;
• знает, сколько кадров в секунду и на каком железе выдаёт его модель.

Красные флаги:

• весь опыт — на публичных датасетах и соревнованиях;
• обсуждает только архитектуры моделей и не может описать пайплайн целиком;
• не различает метрику на валидации и качество у пользователя.

Сколько длится поиск Computer Vision Engineer?

Первых кандидатов на роль Computer Vision Engineer показываем через 5–7 дней после брифа.

Смежные роли

• ML Engineer — может хватить, если изображения лишь один из нескольких типов данных в продукте.
• Neural Network Optimization Engineer — берёт уже работающую модель зрения и ускоряет её на целевом чипе, а обучает её Computer Vision Engineer.
• AI Infrastructure / Inference Engineer — строит GPU-платформу, на которой модели зрения обрабатывают видеопотоки в облаке.
• Data Scientist — нужен раньше, чтобы проверить, отвечают ли данные с камер на вопрос бизнеса.