Computer Vision: rynek

Oferta

otwarta oferta, która przeszła kontrolę jakości i wymienia co najmniej dwie technologie

Obserwowany kandydat

kandydat, którego stack zawiera tę technologię; agregat — żaden pojedynczy rekord nie opuszcza perymetru

Kandydat do dopasowania

jeszcze nie liczone

Okno

oferty otwarte w chwili tworzenia snapshotu

Liczby oparte na małej próbie — szersze punkty odniesienia zob. ML Engineer i Research Engineer / Scientist. Junior — typowe wejście: magisterium / doktorat z CV / robotyki + portfolio (konkursy CV na Kaggle, projekty CV na GitHubie). Skok Junior → Middle — po pierwszym produkcyjnym wdrożeniu CV (wydana funkcja detekcji / segmentacji / klasyfikacji). Middle → Senior — odpowiedzialność za wielozadaniowy pipeline CV + ekspertyza we wdrożeniach edge lub specjalizacja w generatywnej AI. Senior → Staff / Principal — strategia CV całej organizacji + projektowanie własnych architektur + ścieżka publikacji naukowych. Ścieżka kariery: Backend Senior / ML Engineer Middle (2-3 lata) + zainteresowanie CV + portfolio → CV Engineer Junior (1-2 lata) → Middle (2-3 lata) → Senior → albo 3D Vision Engineer, Edge CV Engineer, Generative AI Engineer (obraz/wideo), albo ML Research CV (publikacje ścieżki akademickiej CVPR / ICCV / ECCV).

5 najważniejszych: python, pytorch, c++, opencv, tensorflow. Python dogłębnie (głównie — komponenty edge czasem w C++/Rust). Biegłość w PyTorch + torchvision — 90%+ badań CV na PyTorch w 2026 (TensorFlow to legacy). Biegłość w OpenCV: klasyczne operacje CV (cv2.findContours / cv2.HoughLines / krawędzie Canny / morfologia / homografia / kalibracja kamery / dopasowanie stereo — obowiązkowe do preprocessingu + tradycyjnych algorytmów). Pillow (PIL — przetwarzanie obrazów). Detekcja obiektów / segmentacja: Ultralytics YOLO (YOLOv8/v9/v10/v11 — standard branżowy 2026 — łatwy trening + dobra dokumentacja), Detectron2 (Meta — klasy badawczej, bardziej elastyczny), MMDetection / MMSegmentation / MMPose (OpenMMLab — ogromny ekosystem), rodzina DETR (RT-DETR rośnie 2026), SAM + SAM 2 (uniwersalna segmentacja). Modele self-supervised + foundation: DINOv2 (Meta — najlepszy backbone wizyjny 2024 do ekstrakcji cech), CLIP + OpenCLIP + SigLIP (dopasowanie wizja-język), MAE (Masked Autoencoder). Backbone’y klasyfikacyjne: rodzina ViT, Swin Transformer, ConvNeXt, EfficientNet + MobileNet (wydajne), timm (modele pretrenowane, obowiązkowa biblioteka). Augmentacja danych: albumentations (standard branżowy — 30+ typów augmentacji), torchvision.transforms.v2 (nowoczesne, natywne dla PyTorch), RandAugment + AugMix + Mixup + CutMix. Multimodalne LLM: GPT-4V + Claude 3.5 Sonnet vision + Gemini 1.5/2.0 Pro vision + open-source LLaVA + Qwen 2 VL + InternVL + Idefics2 + Molmo (najlepszy otwarty model multimodalny 2024). OCR: PaddleOCR (Baidu — lider wielojęzyczny 2026 — 80+ języków), EasyOCR, Tesseract (legacy, wciąż ogromny), Docling (IBM 2024 — rozumienie dokumentów), Surya, TrOCR (Microsoft, oparty na transformerach). Rozpoznawanie twarzy: InsightFace (open-source SOTA 2026 — modele ArcFace + RetinaFace + Buffalo), DeepFace, face_recognition. Rosyjskie: NtechLab FaceNGN / VisionLabs Luna / Tevian / RecFaces. Rozumienie wideo + śledzenie: ByteTrack (najszybszy 2026), DeepSORT, BoT-SORT, StrongSORT, MOTRv2. Modele wideo: VideoMAE, X-CLIP, InternVideo, MViT. Wizja 3D: NeRF (oryginał 2020) + Instant-NGP (NVIDIA — 100× szybszy) + Gaussian Splatting (rośnie 2023–2026), Nerfstudio (zunifikowany framework), Open3D (chmury punktów), PyTorch3D (Meta), Kaolin (NVIDIA), COLMAP (structure-from-motion), Mitsuba 3 (renderowanie różniczkowalne). Generowanie obrazów / wideo: rodzina Stable Diffusion (SDXL + SD3 + SD3.5), FLUX.1 (Black Forest Labs — otwarty rekordzista 2024+), DALL-E 3 / Imagen 3 / Midjourney v6 / Ideogram. Wideo: Runway Gen-3 / Pika 1.5 / Kling AI / Sora / AnimateDiff / SVD. Interfejsy do generowania: ComfyUI (oparty na węzłach — ulubieniec badaczy), Automatic1111. Fine-tuning modeli generatywnych: LoRA + DreamBooth dla Stable Diffusion / FLUX. Serwowanie inferencji: Triton Inference Server + BentoML + TorchServe. Anotacja: CVAT (OpenCV — standard branżowy), Label Studio + V7 Darwin (komercyjny) + Roboflow (szybkie prototypowanie). Zbiory danych: COCO (benchmark detekcji / segmentacji) + ImageNet (klasyfikacja) + OpenImages + LAION-5B (trening generatywny w skali sieci) + Objects365 + Visual Genome + ADE20K (segmentacja) + Cityscapes (jazda autonomiczna). Optymalizacja pod sprzęt: kwantyzacja (INT8 / FP16), pruning, destylacja, rzadkość strukturalna (dla rdzeni tensorowych NVIDIA Ampere+).

Wszystkie trzy role pokrywają się w 2026, ale różnią się obszarem koncentracji. ML Engineer — generalista, odpowiada za produkcyjny stack ML (recsys / fraud / ranking / klasyczne ML + LLM). Potrafi pracować z danymi CV, ale bez głębokiej specjalizacji. Zob. ML Engineer. AI Engineer / LLM Engineer — nacisk na integrację LLM (skupienie na tekście). Zob. AI / LLM Engineer. NLP Engineer — nacisk na tekst + mowę. Zob. NLP Engineer. Computer Vision Engineer (ta strona) — nacisk na obraz / wideo / dane 3D. Pokrycie stacku z ML Engineer ~60% (PyTorch + chmurowe ML + wdrożenie) + ~30% unikalne (OpenCV + Ultralytics + Detectron2 + SAM + albumentations + specyfika wdrożeń edge — TensorRT / CoreML). Różnice: 1) Intuicja przetwarzania obrazu — CV Engineer rozumie modele kamer / dystorsję obiektywu / przestrzenie barw / analizę histogramów / operacje morfologiczne — klasyczne podstawy CV. AI Engineer zwykle nie zna niczego z tego. 2) Ograniczenia obliczeniowe — modele CV są ciężkie (gigabajty), opóźnienie inferencji jest krytyczne (jazda autonomiczna — wymóg 30+ FPS), wdrożenia edge (biegłość w TensorRT / CoreML / OpenVINO) — wyłączne terytorium CV. 3) Specjalizacja w generatywnym obrazie / wideo — ekspertyza w workflow Stable Diffusion / FLUX / ComfyUI — specyficznie nisza CV (pokrywa się z AI Engineer przy generowaniu sterowanym tekstem). 4) Umiejętności wizji 3D — NeRF / Gaussian Splatting / chmury punktów / SLAM / kalibracja kamer — wyłącznie CV. 5) Ekspertyza domenowa — role CV są często związane z konkretną branżą (pojazdy autonomiczne / obrazowanie medyczne / robotyka / AR/VR / zobrazowania satelitarne / kontrola jakości w produkcji). Każda domena ma własne zbiory danych + zasady. Zmiany ścieżki kariery: ML Engineer Senior → CV Engineer — 4-8 miesięcy (potrzebne OpenCV + Ultralytics + Detectron2 + albumentations + jedna domena). CV Engineer Senior → ML Engineer — 2-4 miesięcy (łatwe przejście poziome, dodać MLOps + podstawy LLM). CV Engineer Senior → AI Engineer (ścieżka LLM) — 3-6 miesięcy. Gorące podspecjalizacje 2025–2026: wizja 3D (Gaussian Splatting) / generatywny obraz i wideo (FLUX + w stylu Sora) / multimodalność (modele wizyjno-językowe — LLaVA / Molmo).

Drzewo decyzyjne detekcji obiektów / segmentacji 2026: 1) Ultralytics YOLO (YOLOv8 / v9 / v10 / v11) — domyślny wybór 2026 do detekcji obiektów. Plusy: łatwy trening (3-5 linii kodu), dobra dokumentacja + społeczność, szybka inferencja (real-time na CPU + edge), szerokie wsparcie wdrożeń (natywnie ONNX + TensorRT + CoreML + TFLite). Minusy: licencja Ultralytics wymaga AGPL lub licencji komercyjnej ($$) przy zastosowaniach zamkniętych, mniej elastyczny akademicko niż Detectron2 / MMDetection. Zastosowanie: 90% produkcyjnych przypadków detekcji obiektów, prototypy, wdrożenia na edge. 2) Detectron2 (Meta) — klasa badawcza. Plusy: czyste API, elastyczny (łatwe własne architektury), licencja Apache 2.0 (przyjazna komercyjnie), wspierany przez Meta. Minusy: wolniejszy trening niż Ultralytics, bardziej stroma krzywa uczenia. Zastosowanie: złożone własne architektury, projekty badawcze, gdy potrzebujesz precyzyjnej kontroli nad pętlą treningową. 3) MMDetection / MMSegmentation / MMPose (OpenMMLab — chińskie konsorcjum) — ogromny ekosystem. Plusy: 100+ gotowych architektur (starych i nowych), referencyjne implementacje z publikacji zawsze pojawiają się tam najpierw, Apache 2.0. Minusy: dużo konfiguracji (stroma krzywa uczenia), chińskojęzyczna społeczność bywa trudna dla osób znających tylko angielski, zależności mogą się gryźć. Zastosowanie: badania, porównywanie wielu architektur, odtwarzanie publikacji. 4) Rodzina DETR (detekcja oparta na transformerach) — nowoczesna zmiana paradygmatu 2020+. RT-DETR (Real-Time DETR — Baidu, rośnie od 2024+ — konkurent YOLO w real-time), DINO-DETR, Co-DETR. Plusy: end-to-end (bez post-processingu NMS), często lepsza dokładność w złożonych scenach. Minusy: wolniejsza inferencja niż YOLO, większe zapotrzebowanie na moc obliczeniową przy treningu. Zastosowanie: potrzeba najwyższej dokładności, złożone sceny (zatłoczone obiekty). 5) SAM (Segment Anything Model — Meta 2023) + SAM 2 (wersja wideo 2024) — uniwersalna segmentacja. Zastosowanie: a) segmentacja zero-shot (segmentuj cokolwiek bez treningu), b) interaktywne narzędzie do anotacji (prompt punktem / ramką → maska), c) przyspieszenie etykietowania danych (anotacja wspierana przez SAM 10× szybsza). Łącz z YOLO / Detectron2: detektor → SAM dla precyzyjnych masek. 6) Klasyczna detekcja (HOG + kaskady klasyfikatorów — OpenCV) — tylko w bardzo prostych przypadkach, na urządzeniach edge bez GPU, na energooszczędnych mikrokontrolerach (wciąż aktualne w scenariuszach embedded). Domyślne rekomendacje 2026: Wdrożenie produkcyjne + komercyjne → Ultralytics YOLO (jeśli akceptujesz AGPL lub licencję komercyjną) LUB Detectron2 (alternatywa na Apache 2.0). Badania / odtwarzanie publikacji → MMDetection. Najwyższa dokładność / złożone sceny → RT-DETR lub Co-DETR. Uniwersalna segmentacja / zero-shot → SAM 2. Przyspieszenie anotacji → SAM + interaktywne workflow (integracja z CVAT). Edge / mobile → YOLO z TensorRT (NVIDIA) / CoreML (Apple) / TFLite (Android). Senior CV Engineer musi wiedzieć, czego kiedy używać.

Tak, 24% ofert CV Engineer to praca w pełni zdalna lub hybrydowa. Praca CV jest w pełni oparta na chmurze (trening na chmurowych GPU — A100 / H100, strumieniowanie zbiorów danych z S3 / GCS, wdrażanie w Kubernetes). Firmy outsourcingowe — prawie zawsze zdalnie przy amerykańskich projektach CV. Rosyjskie — hybrydowo lub zdalnie po okresie próbnym. Rosyjskie banki (Sber AI Banking CV — rozpoznawanie twarzy / weryfikacja dokumentów) — hybrydowo/w biurze ze względu na zgodność z wymogami bezpieczeństwa. Firmy od pojazdów autonomicznych — przypadek szczególny: role badawcze często przyjazne pracy zdalnej, ale wdrożenie produktu / testy w pojeździe wymagają obecności na miejscu (Pittsburgh Cruise / Mountain View Waymo / Palo Alto Tesla / itd.). Firmy generatywnej AI (Stability / Black Forest Labs / Runway / Pika / Kling) — praca w pełni zdalna to standard. Międzynarodowe firmy voice-AI / NLP się nakładają (zespoły multimodalne) — w pełni zdalnie. Big Tech CV — standardem jest hybryda. Huby relokantów dla CV: USA (Bay Area + Pittsburgh — klastry pojazdów autonomicznych + Boston — region robotyki MIT), Wielka Brytania (Londyn — Wayve), Kanada (Toronto — Vector Institute), Niemcy (Berlin AI + Monachium motoryzacja — BMW / Mercedes AI), Francja (Paryż — Hugging Face + Mistral dla LLM wizyjnych), Japonia (Tokio — Sony AI + motoryzacja). Angielski do międzynarodowej pracy zdalnej w CV — obowiązkowo (publikacje CVPR / ICCV / ECCV + społeczność anglojęzyczna).

3D Vision Engineer — podspecjalizacja w ramach CV skupiona na rozumieniu 3D + renderowaniu neuronowym. Na co dzień: 1) Rekonstrukcja NeRF / Gaussian Splatting — wideo wejściowe → reprezentacja sceny 3D. Narzędzia: Instant-NGP (NVIDIA — szybki NeRF) / Nerfstudio (zunifikowany framework) / gsplat (biblioteka Gaussian Splatting) / aplikacja Polycam do przechwytywania. 2) Przetwarzanie chmur punktów — dane LiDAR (pojazdy autonomiczne) lub kamery głębi (Kinect / RealSense). Narzędzia: Open3D / PCL (Point Cloud Library) / PyTorch3D. 3) Structure-from-motion (SfM) — wiele obrazów 2D → scena 3D. Narzędzia: COLMAP (branżowy standard SfM). 4) SLAM (Simultaneous Localization and Mapping) — robotyka / AR — śledzenie pozycji kamery + budowa mapy. Narzędzia: ORB-SLAM3 / OpenVSLAM / Kimera. 5) Renderowanie różniczkowalne — uczenie 3D na podstawie nadzoru 2D. Narzędzia: Mitsuba 3 / nvdiffrast / Kaolin. 6) Generowanie 3D — tekst → siatka 3D (DreamFusion + Magic3D + Zero-1-to-3) lub obraz → 3D (TripoSR / InstantMesh — open-source 2024+). 7) Przetwarzanie siatek — teksturowanie / retopologia / rozkładanie UV dla pipeline'ów treści 3D. Stack specyficzny: PyTorch3D (Meta — badania 3D), Kaolin (NVIDIA — DL 3D), Mitsuba 3 (renderowanie różniczkowalne), Open3D / PCL (chmury punktów), COLMAP (SfM), Nerfstudio + gsplat (NeRF / 3DGS), Blender Python API (manipulacja siatkami). Ścieżka kariery: Senior CV Engineer + zainteresowanie grafiką komputerową + praktyczne portfolio NeRF / 3DGS → 3D Vision Engineer — 6-12 miesięcy.

Roadmapa: 1) Podstawy matematyczne — algebra liniowa + analiza matematyczna + podstawy geometrii rzutowej (transformacje / homografie / modele kamer). „Multiple View Geometry in Computer Vision” Hartley / Zisserman — biblia matematyki CV (można używać jako materiału referencyjnego, nie trzeba czytać od deski do deski). 2) Dogłębnie Python + podstawy ML — PyTorch + NumPy + Matplotlib. Zbuduj prosty klasyfikator ML (MNIST). 3) Opanowanie OpenCV — klasyczne operacje CV. Kurs: „Computer Vision Course” od PyImageSearch (Adrian Rosebrock — najlepsze wejście w OpenCV), oficjalna dokumentacja + tutoriale OpenCV. Buduj projekty własne: wykrywanie krawędzi / sklejanie panoram przez homografię / wykrywanie twarzy klasycznymi kaskadami Haara. 4) Deep Learning dla wizji — Stanford CS231n „Convolutional Neural Networks for Visual Recognition” (Karpathy / Li — za darmo na YouTube + slajdy — obowiązkowo, kanoniczny kurs deep learningu w CV). 5) Praktyka PyTorch + torchvision — wytrenuj ResNet / EfficientNet na CIFAR-10, dostrój wytrenowany model na własnym zbiorze danych. Naucz się używać biblioteki timm (wytrenowane modele). 6) Detekcja obiektów — praktyka z Ultralytics YOLO (najłatwiejsze wejście — wytrenuj YOLO na własnym zbiorze w jeden dzień). Potem Detectron2 (bardziej elastyczny). 7) Segmentacja — Mask R-CNN przez Detectron2, potem SAM (uniwersalna segmentacja) — wypróbuj segmentację interaktywną. 8) Narzędzia do anotacji — opanowanie CVAT (standard branżowy anotacji w CV). Oznacz własny zbiór danych (10-50 obrazów), wytrenuj na nim detektor. 9) Opanowanie augmentacji — biblioteka albumentations (obowiązkowa w produkcyjnym CV). Zrozum stabilność treningu — mocna augmentacja zwiększa odporność. 10) Nowoczesne transformery dla CV — Vision Transformer (ViT) + Swin Transformer + DINOv2 (model bazowy). Obsługa wizji w Hugging Face Transformers. 11) Multimodalne LLM — wypróbuj GPT-4V + Claude vision + open-source'owe LLaVA / Qwen 2 VL, by zrozumieć temat. 12) Ścieżka generatywnego CV (popularna 2024–2026): praktyka ze Stable Diffusion + FLUX, opanowanie workflowów ComfyUI, fine-tuning LoRA / DreamBooth. Kurs: „Generative AI with Diffusion Models” DeepLearning.AI. 13) Ścieżka wizji 3D (zyskuje 2024+): praktyka z NeRF + Gaussian Splatting we frameworku Nerfstudio, nagraj własną scenę telefonem (aplikacja Polycam), zrekonstruuj jako 3DGS. 14) Praktyka wdrożeń na edge — przekonwertuj model PyTorch → ONNX → TensorRT (na GPU NVIDIA), zmierz opóźnienie inferencji. Wypróbuj konwersję do CoreML dla Apple Silicon. 15) Portfolio projektów własnych: a) produkcyjny pipeline detekcji (np. demo liczenia ryb / pojazdów / komórek); b) własna LoRA Stable Diffusion / FLUX we własnym stylu; c) rekonstrukcja Gaussian Splatting (efektowna scena 3D z wideo z telefonu); d) mobilna aplikacja CV (wdrożenie przez CoreML/TFLite). Udokumentuj na GitHubie + wpis na blogu + demo wideo. Rosyjskie kursy: MIPT DLSchool (moduł CV — za darmo na YouTube), ścieżka Karpov.Courses „Computer Vision”, Otus „Computer Vision”, SkillFactory CV, ścieżka School21 (Sber) AI Computer Vision. Międzynarodowe (EN): Stanford CS231n (kanon — za darmo na YouTube), fast.ai Practical Deep Learning (obejmuje CV), Hugging Face Computer Vision Course (za darmo), książka „Deep Learning for Computer Vision” Mohamed Elgendy, PyImageSearch University (Adrian Rosebrock — nacisk na zastosowania). Obowiązkowe książki: „Deep Learning for Vision Systems” Mohamed Elgendy (Manning), „Multiple View Geometry” Hartley / Zisserman (matematyczny materiał referencyjny), „Computer Vision: Algorithms and Applications” Richard Szeliski (darmowe 2. wydanie online — encyklopedyczne). Konferencje: CVPR (czołowa — czerwiec), ICCV (październik, na przemian z ECCV), ECCV (październik, na przemian), NeurIPS (grudzień — szersze ML ze ścieżką CV). Backend Senior / ML Engineer Middle + zainteresowanie CV + portfolio → CV Engineer Junior — 6-12 miesięcy. PhD z CV / robotyki → Senior CV Engineer — bezpośrednie wejście.

237 active open CV Engineer positions with explicit CV specifics in our sample. The real pool is many times wider — many CV roles are classified as general ML Engineer / Robotics / AI Engineer (titles like "ML Engineer for autonomous driving" or "Senior Backend Engineer with CV focus"). True CV-focused jobs in CIS + Europe are estimated at 300-1,500 positions active at any moment in 2026 (counting fuzzily classified ones). Geography: the US, Russia, Germany. The real market is broader thanks to the international remote segment (generative AI companies + robotics startups full-remote-friendly). Time to close a Senior CV Engineer — 6-12 weeks (longer than general AI Engineer due to rare-skill — PyTorch deep + classical CV + one domain + edge deployment combination).

Senior CV Engineer odpowiada za pełny cykl inżynierii widzenia komputerowego + przywództwo techniczne. Podstawy matematyczne: algebra liniowa + geometria rzutowa (modele kamer / homografie / geometria epipolarna) + analiza matematyczna + teoria optymalizacji — na poziomie „czytam publikacje z CVPR bez pomijania bloków matematycznych”. Dogłębny Python + poziom Senior w backendzie: biegłość w async / typowaniu / FastAPI / pytest. Podstawy C++ (do wdrożeń edge + własnych kerneli OpenCV — mile widziane). Dogłębna biegłość w PyTorch + torchvision: własne Datasety / Samplery / funkcje straty / pętle treningowe, trenowanie rozproszone (DDP do trenowania CV na wielu GPU), mixed precision (FP16 / BF16 obowiązkowo na produkcji), akumulacja gradientów dla dużych modeli. Biegłość w OpenCV: klasyczne operacje CV (kalibracja / morfologia / transformaty Hougha / homografia / dopasowanie stereo / przepływ optyczny), podstawy API C++ dla ścieżek krytycznych wydajnościowo. Nowoczesne transformery dla CV: biegłość w ViT / Swin / DINOv2, strategie fine-tuningu, hybrydowe architektury CNN-transformer. Biegłość w detekcji obiektów / segmentacji: produkcyjne wdrożenia Ultralytics YOLO + tworzenie własnych architektur w Detectron2 + MMDetection / MMSegmentation w razie potrzeby + RT-DETR + integracja SAM 2 w pipeline'ach. Biegłość w augmentacji danych: zaawansowane albumentations (własne transformacje + strategie kompozycji), test-time augmentation (TTA), rozumienie AutoAugment / RandAugment / CutMix / Mixup. Modele bazowe: DINOv2 + CLIP + SigLIP + OpenCLIP — zastosowania do ekstrakcji cech + klasyfikacji zero-shot + wyszukiwania. Multimodalne LLM (GPT-4V / Claude vision / LLaVA / Qwen 2 VL / Molmo) — kiedy ich używać, a kiedy trenować własny model. Biegłość w generatywnym CV (jeśli ścieżka to obejmuje): dogłębnie Stable Diffusion + FLUX — fine-tuning ControlNet / LoRA / DreamBooth / IP-Adapter / textual inversion. Tworzenie workflow w ComfyUI. Podstawy generowania wideo (AnimateDiff / SVD). Biegłość w widzeniu 3D (jeśli ścieżka to obejmuje): NeRF + Gaussian Splatting + Nerfstudio + COLMAP SfM + chmury punktów Open3D. Dogłębnie kalibracja kamer + geometria rzutowa. Biegłość we wdrożeniach edge: ONNX (eksport między frameworkami + optymalizacja ONNX Runtime), TensorRT (NVIDIA — kwantyzacja INT8 + tworzenie pluginów w razie potrzeby), CoreML (Apple Silicon — obsługa operacji Conv2D + specyfika Neural Engine), TFLite (delegat Android NNAPI), pipeline'y MediaPipe, OpenVINO (Intel iGPU). Optymalizacja pod sprzęt: kwantyzacja (PTQ + QAT), pruning, destylacja (teacher-student), structured sparsity (NVIDIA Ampere+ dla przyspieszenia 2×). Architektura produkcyjnego pipeline'u CV: projektowanie pipeline'u end-to-end na tablicy — pozyskiwanie danych (kamery / dyski / strumieniowanie z chmury) → preprocessing → inferencja wsadowa → postprocessing → śledzenie / agregacja → działania downstream. Systemy wielokamerowe: synchronizacja + kalibracja + fuzja dla systemów autonomicznych / monitoringu. Serwowanie inferencji: Triton Inference Server (NVIDIA — najlepszy do wielu modeli + dynamic batching), DeepStream (analityka wideo NVIDIA), BentoML / TorchServe. Budżety opóźnień: projektowanie pod ograniczenia czasu rzeczywistego (systemy autonomiczne: 30+ FPS, AR: 60+ FPS, moderacja wideo: tryb wsadowy wystarczy), optymalizacja oparta na profilowaniu (NVIDIA Nsight + PyTorch Profiler). Ekspertyza domenowa: dogłębne rozumienie jednej lub dwóch domen (jazda autonomiczna / obrazowanie medyczne / wyszukiwanie wizualne w retailu / percepcja w robotyce / AR/VR / zdjęcia satelitarne / kontrola jakości w produkcji) — główny czynnik premii dla Senior+. Strategia anotacji: projektowanie workflow anotacji na dużą skalę (CVAT / Label Studio + wsparcie SAM), pętle active learning, kontrola jakości etykiet. Metodyka ewaluacji: dogłębne rozumienie metryk COCO (AP / AP50 / AP75 / mAP@[.5:.95]), metryki segmentacji (mIoU / Dice / boundary F1), metryki specyficzne dla domeny (NDS / mAP dla detekcji w systemach autonomicznych), ewaluacja human-in-the-loop dla modeli generatywnych. Kompetencje miękkie: pisanie ADR dla decyzji architektonicznych CV, pisanie techniczne (dokumenty projektowe funkcji CV + szkice publikacji na ścieżce badawczej), współpraca między zespołami (Product / Backend / Robotics / Hardware), mentoring CV Engineerów na poziomie Middle, dyscyplina czytania publikacji (CVPR / ICCV / ECCV / NeurIPS — obowiązkowo). Angielski dla Senior+ OBOWIĄZKOWO — społeczność CV / dokumentacja / publikacje / konferencje są anglojęzyczne. Opcjonalny bonus: wkład open source do Ultralytics / Detectron2 / MMDetection / timm / albumentations / Nerfstudio — znacząco podnosi wartość rynkową przy rekrutacji do CV w Big Tech / pojazdów autonomicznych / generatywnej AI. Publikacje na warsztatach CVPR / ICCV / ECCV — premia na ścieżce Research Engineer CV.