senior-computer-vision

Profesjonalna umiejętność inżyniera computer vision do przetwarzania obrazów i wideo, detekcji obiektów oraz segmentacji. Obejmuje ekspertyzę w PyTorch, OpenCV, YOLO, SAM, modelach dyfuzji i transformerach wizyjnych. Wspiera przetwarzanie 3D, analizę wideo w czasie rzeczywistym oraz wdrażanie w produkcji. Wykorzystaj ją do budowy systemów AI, implementacji detekcji obiektów, trenowania niestandardowych modeli wizyjnych i optymalizacji potoków inferencji.

1. Przygotuj swoje dane treningowe w katalogu data/ — upewnij się, że obrazy lub wideo są w obsługiwanym formacie (np. PNG, JPG, MP4). 2. Uruchom skrypt trenowania modelu poleceniem python scripts/vision_model_trainer.py --input data/ --output results/ — model zostanie wytrenowany i wyniki zapisane w katalogu results/. 3. Jeśli chcesz zoptymalizować istniejący projekt, użyj python scripts/inference_optimizer.py --target project/ --analyze aby przeanalizować wydajność i otrzymać rekomendacje optymalizacyjne. 4. Dla automatyzacji pełnego potoku przetwarzania danych przygotuj plik konfiguracyjny config.yaml, a następnie uruchom python scripts/dataset_pipeline_builder.py --config config.yaml --deploy — system automatycznie zbuduje i wdroży potok. 5. Monitoruj wdrożony model w produkcji za pomocą narzędzi takich jak MLflow lub Weights & Biases — umiejętność wspiera integrację z tymi platformami do śledzenia metryk i wydajności.