Python и Deep Learning frameworkСамостоятельно реализует training loop с device, optimizer, loss и checkpoint; читает типовую ошибку формы tensor/памяти.
CV-данные, разметка и аугментацииСамостоятельно проводит аудит разметки, class imbalance и train/val leakage; выбирает аугментации, не нарушающие смысл задачи.
CV-архитектуры и обучениеВыбирает архитектуру и loss для классификации/detection/segmentation под конкретный тип разметки; настраивает transfer learning.
Метрики и error analysisАнализирует false positives/false negatives по классам и условиям съёмки, связывает метрику с ценой ошибки.
Инференс и оптимизацияСамостоятельно профилирует latency/память, применяет batch/resize/квантизацию в готовом пайплайне и проверяет влияние на качество.
MLOps и мониторингНастраивает логирование экспериментов, версию данных/модели и проверку качества перед деплоем.
Интеграция CV-решенияСамостоятельно описывает API-контракт, обработку timeout/ошибок и формат результата для новой CV-фичи.