Ведущий инженер-программист (C++ / Qt / Computer Vision & AI)

Требования: Обязательные требования (Hard Skills):
Базовый C++ и системное программирование:

глубокое знание C++ (стандарты C++11/14/17). Уверенное владение STL, шаблонами, умными указателями, move-семантикой;

опыт разработки многопоточных приложений (работа с потоками, синхронизация, атомарные операции).

опыт создания кроссплатформенных решений на фреймворке Qt (сигналы/слоты, QML или QWidgets, работа с сетью, последовательными портами, БД).

Работа с аппаратной частью:

понимание стандартов машинного зрения (GenICam, GigE Vision, USB3 Vision). Опыт настройки параметров захвата (экспозиция, баланс белого, частота кадров, аппаратные триггеры) и работа с SDK популярных производителей (Basler, FLIR/ADI, Hikrobot, Daheng или отечественные аналоги)

Взаимодействие с базами данных:

написание модулей обмена с СУБД (SQLite, PostgreSQL, MySQL) в рамках Qt-приложений (через QtSql или ODBC).

Операционные системы:

Разработка и отладка кода под Windows и Linux (знание системных вызовов, работа с файловой системой, процессами, сокетами).

Архитектура и проектирование:

умение проектировать архитектуру сложных многомодульных систем. Составление структурных и блок-схем (UML, BPMN).

понимание паттернов проектирования, принципов SOLID, подходов к организации кода в больших проектах.

Инструменты и качество кода:

опыт работы с Git;

написание юнит-тестов (GTest, QTest) и проведение интеграционного тестирования;

ведение технической документации (ТЗ, пояснительные записки, инструкции по сборке и эксплуатации).

Работа с ИИ и обработка изображений:

получение статичных изображений: Разработка модуля захвата, который по запросу (программному или от аппаратного триггера) получает одно или несколько неподвижных изображений с камеры. Сохранение снимков в файловую систему (с поддержкой форматов TIFF, PNG, JPEG) для последующего архивирования и верификации;

адаптация готовых моделей: Умение брать предобученные модели детекции (например, YOLOv8, а также более лёгкие версии) и адаптировать их под задачу обнаружения требуемых объектов на изображении;

дообучение (Fine-tuning): запуск процесса дообучения модели на собственном размеченном датасете с использованием PyTorch / TensorFlow, подбор гиперпараметров.


Обязанности: Задачи: Участие в полном цикле разработки высоконагруженных и критичных к надежности систем. Разработка кроссплатформенного ПО для систем технического зрения и контроля качества.