مهندس بینایی ماشین
Computer Vision Engineer
مهندس بینایی ماشین نرم‌افزاری می‌سازد که از تصویر و ویدیو، و گاهی از داده‌های عمق، LiDAR و IMU، اطلاعات قابل استفاده بیرون می‌کشد: تشخیص و ردیابی اشیا، بازسازی سه‌بعدی محیط، تعیین موقعیت ربات و بازرسی کیفیت در خط تولید. در آگهی‌های ۲۰۲۶ این نقش بیشتر در رباتیک، خودروهای خودران، پهپاد، دوربین‌های امنیتی، تولید و صنایع دفاعی دیده می‌شود و معمولاً ترکیبی از یادگیری عمیق، هندسهٔ سه‌بعدی و برنامه‌نویسی C++ و Python می‌خواهد.
مقدمه و تعریف شغل
مهندس بینایی ماشین (Computer Vision Engineer) سیستم‌هایی می‌سازد که از تصویر، ویدیو و داده‌های حسگرهای دیگر اطلاعات مفید بیرون می‌کشند و بر اساس آن تصمیم می‌گیرند: این شیء چیست، کجاست، به کدام سمت می‌رود و دوربین یا ربات خودش کجای فضاست. کار دو نیمه دارد که در آگهی‌ها کنار هم می‌آیند: یادگیری عمیق (تشخیص، قطعه‌بندی، طبقه‌بندی) و هندسه و حسگرها (کالیبراسیون دوربین، دید سه‌بعدی، SLAM). آگهی Anduril از مهندس می‌خواهد «روش‌های کلاسیک و هندسی بینایی ماشین را با روش‌های یادگیری ماشین ترکیب کند». خروجی کار باید روی سخت‌افزار واقعی و در شرایط واقعی کار کند، نه فقط در notebook.
طبق ویکی‌پدیا، بینایی ماشین در اواخر دههٔ ۱۹۶۰ در دانشگاه‌های پیشروی هوش مصنوعی شروع شد و در ۱۹۶۶ تصور می‌شد مسئله را می‌شود با یک پروژهٔ تابستانی دانشجویی حل کرد. نقطهٔ عطف بعدی دیتاست ImageNet بود، با بیش از ۱۴ میلیون تصویر برچسب‌خورده، و در ۲۰۱۲ مدل AlexNet که با آموزش روی GPU خطای top-5 را در مسابقهٔ ImageNet به ۱۵٫۳٪ رساند، بیش از ۱۰٫۸ واحد بهتر از نفر دوم. امروز آگهی‌ها مدل‌های پایه مثل SAM و مدل‌های بینایی-زبانی را هم می‌خواهند. با این حال، این بازار کوچک‌تر و تخصصی‌تر از کل حوزهٔ AI است: طبق داده‌های Lightcast در گزارش AI Index ۲۰۲۶، خوشهٔ مهارتی «تشخیص تصویر» (Visual image recognition) در ۲۰۲۵ در ۰٫۰۹٪ کل آگهی‌های شغلی آمریکا آمده، در برابر ۰٫۹۹٪ برای یادگیری ماشین. در بریتانیا هم ITJobsWatch در شش ماه منتهی به ۲۲ اکتبر ۲۰۲۶ فقط ۱۸ آگهی دائم با عنوان دقیق Computer Vision Engineer ثبت کرده، اما ۱۵۱ آگهی که مهارت Computer Vision را خواسته‌اند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مهندس بینایی ماشین
بازسازی سه‌بعدی و تعیین موقعیت ربات
Monumental از محل ساخت با photogrammetry مدل سه‌بعدی می‌سازد تا نقشهٔ معمار را با دنیای واقعی تطبیق دهد، و سیستمی می‌خواهد که با ترکیب دوربین، عمق و IMU همیشه بداند ربات کجاست.
تحلیل ویدیوی دوربین‌های امنیتی
تیم بینایی Verkada تشخیص انسان و خودرو، شمارش، پلاک‌خوانی روی خود دوربین و تشخیص چهره در زمان واقعی را برای دوربین‌های مشتریانش می‌سازد.
ادراک برای پهپاد خودران
به گفتهٔ آگهی Skydio، هستهٔ سیستم این شرکت الگوریتم‌های بینایی است که به پهپاد امکان فهم محیط را می‌دهد: تخمین وضعیت، نقشه‌برداری، ردیابی، طبقه‌بندی و تشخیص در زمان واقعی، روی همهٔ پهپادهایش.
بازرسی کیفیت در خط تولید
SpaceX مدل‌های بینایی را برای بازرسی زمان واقعی و تشخیص خودکار نقص در تولید Starship و Raptor به کار می‌برد. Overview.ai دوربین‌های مجهز به GPU را روی خط تولید نصب می‌کند و مدل را همان‌جا روی edge اجرا می‌کند.
برچسب‌گذاری خودکار داده برای خودروی خودران
تیم Semantics در Waymo با مدل‌های بینایی و بینایی-زبانی (مثل Gemini) از لاگ‌های رانندگی، در مقیاس بسیار بزرگ برچسب ادراکی تولید می‌کند تا پایهٔ آموزش و اعتبارسنجی سیستم رانندگی باشد.
اسکن و سنجش با دوربین گوشی
Arpalus، که Instacart آن را خریده، با بینایی ماشین و AR دوربین گوشی را به ابزار سنجش دقیق تبدیل می‌کند: تشخیص شیء، اسکن و درک فضایی در زمان واقعی، به‌صورت محصول موبایل برای تحلیل‌های خرده‌فروشی.
تخصص‌های مختلف مهندس بینایی ماشین
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
بینایی سه‌بعدی و SLAM
3D Vision & SLAM
تعیین موقعیت، نقشه‌برداری، کالیبراسیون و بازسازی سه‌بعدی؛ هستهٔ آگهی‌های Monumental و Skydio و بخشی از آگهی Computer Vision Engineer, Space در Anduril.
ادراک در خودروی خودران و ربات
Autonomous Driving & Robotics Perception
تشخیص و ردیابی اشیا با ترکیب دوربین، LiDAR و حسگرهای دیگر؛ در Waymo، Zoox، Torc، Motional و شرکت‌های رباتیک مثل Agility Robotics و Figure آگهی شده است.
بازرسی صنعتی
Industrial Inspection / Machine Vision
تشخیص نقص و پایش فرایند تولید؛ از انتخاب نور و لنز (Overview.ai) تا مدل‌های تشخیص نقص در مقیاس تولید (SpaceX) و اتوماسیون کارخانه (Anduril).
استقرار و بهینه‌سازی روی edge
Edge Deployment & Optimization
اجرای مدل روی دوربین، پهپاد یا گوشی با تأخیر و توان محدود؛ TensorRT و ONNX در آگهی Anduril، TensorRT و CUDA در آگهی Instacart و پلاک‌خوانی روی دستگاه در Verkada.
مدل‌های بینایی-زبانی و مدل‌های پایه
Vision-Language & Foundation Models
ترکیب VLMها و مدل‌های پایه با سیستم‌های بینایی؛ Waymo برای برچسب‌گذاری خودکار و استدلال دربارهٔ صحنه‌های رانندگی، Verkada برای مدل‌های تصویر-متن و Instacart برای SAM و Grounding DINO.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
مهندس یادگیری ماشین با هر نوع داده‌ای کار می‌کند؛ مهندس بینایی ماشین روی تصویر، ویدیو و داده‌های حسگر تخصص دارد و علاوه بر مدل، باید دوربین، کالیبراسیون و هندسهٔ سه‌بعدی را هم بفهمد. مرز این دو باز است: Waymo همین کار را با عنوان Senior Machine Learning Engineer, Computer Vision/VLM آگهی کرده و آگهی Senior Computer Vision Engineer در Anduril هم در بخش About the Role می‌نویسد به دنبال یک Machine Learning Engineer است.
در خودروهای خودران و رباتیک، عنوان رایج Perception است: سیستمی که از دوربین، LiDAR و حسگرهای دیگر تصویری از محیط برای تصمیم‌گیری ربات می‌سازد. بینایی ماشین بخش اصلی آن است، اما مهندس ادراک بیشتر با ترکیب حسگرها و نیاز بخش‌های بعدی سیستم سروکار دارد. در جستجوی آگهی‌ها برای این صفحه، عنوان‌هایی با واژهٔ Perception (در Waymo، Zoox، Shield AI، Motional و Torc) بیشتر از عنوان دقیق Computer Vision Engineer بودند؛ در جستجوی کار هر دو را امتحان کنید.
در کارخانه تمرکز روی انتخاب دوربین، لنز و نورپردازی، اتصال به PLC و بازرسی کیفیت است. آگهی Machine Vision Engineer در Anduril آشنایی با سخت‌افزار Cognex، Keyence، Basler یا Sick و درک پایهٔ اپتیک را می‌خواهد و آگهی Vision Engineer در Overview.ai صریحاً می‌گوید هستهٔ کار نورپردازی و اپتیک است، نه فقط «راه‌اندازی دوربین». مهندس بینایی ماشین در شرکت‌های نرم‌افزاری بیشتر روی الگوریتم و مدل کار می‌کند.
پژوهشگر روش تازه طراحی و منتشر می‌کند. Waymo برای نقش‌های خود دکترا و سابقهٔ مقاله در کنفرانس‌هایی مثل CVPR را امتیاز می‌داند و آگهی‌های جداگانه‌ای با عنوان Research Scientist, Perception دارد. در مقابل، Monumental می‌نویسد «ما سازمان پژوهشی نیستیم» و کسی را می‌خواهد که الگوریتم را خودش تا کد پروداکشن ببرد.
تأثیر در صنایع مختلف
مهندس بینایی ماشین در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
خودروهای خودران
Waymo برای ادراک، از مدل‌های داخل خودرو تا برچسب‌گذاری خودکار لاگ‌ها، آگهی‌های متعددی باز داشت؛ Zoox، Motional، Torc و Nuro هم نقش‌های ادراک آگهی کرده بودند
رباتیک و ساخت‌وساز
Monumental ربات‌هایی می‌سازد که آجر و ملات را با دقت زیر یک میلی‌متر می‌چینند؛ به گفتهٔ آگهی، این دقت از نیاز خودروهای خودران هم بیشتر است
امنیت فیزیکی
Verkada تشخیص انسان و خودرو، پلاک‌خوانی و تشخیص چهره را روی دوربین‌های امنیتی مشتریانش اجرا می‌کند
پهپاد
مشتریان Skydio طبق آگهی از بازرسان تأسیسات تا نیروهای امدادی و نظامی‌اند و بینایی ماشین هستهٔ پرواز خودران آن است
تولید و بازرسی کیفیت
SpaceX با مدل‌های بینایی نقص‌ها را حین تولید پیدا می‌کند و Overview.ai بازرسی‌هایی را هدف گرفته که به گفتهٔ خودش با ماشین ویژن سنتی حل‌شدنی نبودند
پزشکی و تصویربرداری
در فهرست FDA از دستگاه‌های پزشکی مجهز به AI که در آمریکا مجوز گرفته‌اند (به‌روز تا ۴ سپتامبر ۲۰۲۶)، از ۱٬۶۱۴ مورد، ۱٬۲۳۰ مورد زیر پنل رادیولوژی ثبت شده‌اند؛ حوزه‌ای که با تصویر پزشکی کار می‌کند
خرده‌فروشی و موبایل
Instacart با خرید Arpalus، فناوری اسکن و سنجش با دوربین گوشی را برای تحلیل‌های زمان واقعی خرده‌فروشی به کار می‌گیرد
دفاع و فضا
Anduril و Shield AI بخش بزرگی از آگهی‌هایی بودند که برای این صفحه با عنوان دقیق پیدا شد؛ از ادراک برای پهپاد و حفاظت محیطی تا بینایی برای فضاپیما
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
بینایی ماشین یعنی فقط OpenCV و فیلتر تصویر
OpenCV هنوز در آگهی‌ها هست، اما همیشه کنار یادگیری عمیق. آگهی Instacart یکی از وظایف را «ترکیب کلاسیک و AI» نام‌گذاری کرده: الگوریتم‌های کلاسیک بینایی در کنار معماری‌های یادگیری عمیق. Verkada هم «الگوریتم‌های سنتی بینایی ماشین» و «آموزش شبکه‌های عمیق» را کنار هم آورده است.
بدون دکترا نمی‌شود مهندس بینایی ماشین شد
بستگی به شرکت دارد. آگهی‌های Senior Computer Vision Engineer در Anduril و Senior ML Engineer در Waymo کارشناسی ارشد یا دکترا می‌خواهند، اما Verkada کارشناسی علوم کامپیوتر می‌خواهد، SpaceX هشت سال تجربه را جایگزین مدرک می‌پذیرد، Shield AI می‌نویسد هم دانش‌آموختهٔ تازهٔ دکترا و هم برنامه‌نویس باتجربهٔ صنعتی را می‌پذیرد و Monumental اصلاً شرط مدرک نگذاشته است. آنچه همه می‌خواهند، سابقهٔ ساخت سیستمی است که واقعاً کار کرده باشد.
کار اصلی، آموزش مدل است
آموزش مدل فقط یک بخش است. Monumental کسی را می‌خواهد که پروژه را تا کد پروداکشن ببرد و «مثل پژوهشگری که notebook را به تیم دیگری تحویل می‌دهد» کار نکند، و عملکرد سیستم را به‌طور مداوم بسنجد، حتی وقتی ربات در محل ساخت است. Skydio هم «سنجش و کمّی‌کردن عملکرد سیستم بینایی» را جزو وظایف آورده است.
Python برای این شغل کافی است
برای نقش‌هایی که روی ربات، پهپاد یا دوربین اجرا می‌شوند معمولاً C++ هم لازم است: Skydio «تسلط بالا به C++» می‌خواهد، Shield AI «تسلط عمیق به C++» و Anduril «C++ در محیط Linux». Python بیشتر برای آموزش مدل و ابزارهای داده به کار می‌رود.
بینایی ماشین یعنی تشخیص چهره و دوربین مداربسته
تشخیص چهره فقط یکی از کاربردهاست. آگهی‌های بررسی‌شده از ساخت‌وساز رباتیک، پهپاد، خودروی خودران، بازرسی خط تولید، فضاپیما و اسکن با گوشی بودند، و فهرست FDA بیش از هزار دستگاه پزشکی مجهز به AI در رادیولوژی را نشان می‌دهد.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
بیشتر وقت صرف داده و آزمایش می‌شود: آماده‌کردن و بررسی برچسب‌ها، آموزش و ارزیابی مدل‌های موجود، و نصب و تست دوربین زیر نظر مهندس ارشد. آگهی Machine Vision Engineer در Anduril کار جونیور را مشارکت در نصب، تست و راه‌اندازی سیستم‌ها روی خط تولید «زیر نظر مهندسان ارشد» توصیف می‌کند.
- ◆بررسی نمونه‌هایی که مدل اشتباه تشخیص داده و دسته‌بندی علت خطا
- ◆آموزش مجدد مدل با دادهٔ تازه و مقایسهٔ نتیجه با نسخهٔ قبل
- ◆تست یک دوربین یا نورپردازی تازه روی قطعهٔ واقعی
- ◆نوشتن تست و رفع باگ در pipeline داده
میانی (۲–۵ سال)
مسئولیت یک بخش از سیستم، مثلاً ردیابی یا تعیین موقعیت، از طراحی تا پروداکشن با شماست. با تیم سخت‌افزار و محصول کار می‌کنید و وقتی سیستم در محیط واقعی خطا می‌دهد، ریشه‌اش را پیدا می‌کنید.
- ◆پیاده‌سازی و تست یک الگوریتم تازه برای ترکیب داده‌های دوربین و IMU
- ◆تحلیل لاگ‌های یک دستگاه در محل مشتری برای پیدا کردن منبع خطا
- ◆اندازه‌گیری تأخیر مدل روی سخت‌افزار هدف و بهینه‌سازی آن
- ◆بازبینی کد همکاران
ارشد (۵+ سال)
تمرکز روی معماری سیستم، تصمیم‌های فنی دربارهٔ توازن دقت، سرعت و محاسبات، طراحی آزمایش‌ها و کمک به رشد دیگران است. آگهی Anduril از مهندس ارشد طراحی آزمایش، ablation study و گزارش دقیق و منتورینگ مهندسان جوان‌تر را می‌خواهد.
- ◆تعیین معیارها و دیتاست‌های ارزیابی برای مقایسهٔ روند عملکرد در طول زمان
- ◆تصمیم دربارهٔ معماری مدل و سخت‌افزار برای یک محصول تازه
- ◆بازبینی طراحی سیستم‌های تیم‌های دیگر
- ◆منتورینگ مهندسان جوان‌تر
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈طراحی و پیاده‌سازی الگوریتم‌های تشخیص، طبقه‌بندی، ردیابی و قطعه‌بندی برای اجرا در زمان واقعی
- ◈آموزش، ارزیابی و fine-tuning مدل‌های یادگیری عمیق برای تصویر و ویدیو
- ◈ترکیب روش‌های کلاسیک و هندسی بینایی ماشین با مدل‌های یادگیری ماشین
- ◈توسعهٔ الگوریتم‌های تعیین موقعیت، نقشه‌برداری، کالیبراسیون و state estimation با داده‌های دوربین، عمق و IMU
- ◈انتخاب و آزمودن دوربین، لنز، نورپردازی و حسگرهای مناسب برای هر مسئله
- ◈بهینه‌سازی و استقرار مدل روی سخت‌افزار محدود با ابزارهایی مثل TensorRT و ONNX
- ◈ساخت و نگهداری دیتاست‌های ارزیابی و سنجش مداوم عملکرد سیستم در محیط واقعی، همراه با تحلیل ریشهٔ خطا
- ◈نوشتن کد پروداکشن تمیز و تست‌شده در C++ و Python، با Git، تست واحد و CI
- ◈همکاری با تیم‌های سخت‌افزار، دوربین، رباتیک، برچسب‌گذاری و محصول
- ◈راهنمایی مهندسان جوان‌تر و نوشتن گزارش دقیق از آزمایش‌ها
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مهندس بینایی ماشین موفق به آن‌ها نیاز دارد
مهارت‌های فنی
برای آموزش مدل، ابزارهای داده و آزمایش؛ در بیشتر آگهی‌های بررسی‌شده، از Waymo و Instacart تا Monumental و SpaceX، آمده است
برای کد زمان واقعی روی دستگاه؛ Skydio، Shield AI، Anduril و Verkada آن را صریحاً می‌خواهند
آموزش و ارزیابی مدل‌های تشخیص، قطعه‌بندی و طبقه‌بندی؛ Waymo و Anduril در کنار PyTorch از JAX و TensorFlow هم نام می‌برند
optical flow، تطبیق ویژگی (feature matching)، homography و هندسهٔ چنددیدی؛ آگهی Instacart این‌ها را با نام می‌خواهد
object detection، instance و semantic segmentation و object tracking؛ در آگهی‌های Anduril و Shield AI با نام آمده است
مدل دوربین، کالیبراسیون، استریو و عمق؛ برای هر کاری که با اندازه و موقعیت در دنیای واقعی سروکار دارد
visual odometry، VIO، Kalman filter و ICP؛ هستهٔ آگهی‌های Skydio و Monumental
TensorRT، ONNX، quantization و profiling تأخیر، حافظه و توان روی CPU، GPU و NPU
ساخت دیتاست‌های ارزیابی، برچسب‌گذاری و pipelineهای بزرگ پردازش داده؛ Waymo و Anduril هر دو آن را می‌خواهند
Git، تست واحد، CI و استقرار خودکار؛ Monumental و Anduril این‌ها را جزو شرایط آورده‌اند
کار با SAM، Grounding DINO و VLMها؛ در آگهی‌های Instacart، Waymo و SpaceX آمده است
مهارت‌های نرم
بردن الگوریتم تا کد پروداکشن و ماندن پای آن پس از استقرار؛ Monumental و Waymo هر دو مالکیت کل چرخهٔ عمر سیستم را می‌خواهند
پیدا کردن اینکه خطا از نور، حسگر، داده یا مدل است؛ گاهی بدون دسترسی فیزیکی به دستگاه، طبق آگهی Monumental
کار با مهندسان سخت‌افزار، اپتیک، رباتیک و برچسب‌گذاری؛ Shield AI و Anduril این همکاری را جزو وظایف آورده‌اند
طراحی آزمایش، ablation study و گزارش دقیق (Anduril)؛ یا چرخهٔ فرضیه، آزمایش و اصلاح در محل مشتری (Overview.ai)
آموزش کارکنان تولید یا تیم مشتری دربارهٔ کار با سیستم؛ در آگهی‌های Anduril و Overview.ai آمده است
دانش حوزه‌ای
دوربین عمق، LiDAR، IMU، انتخاب لنز و نور؛ Monumental می‌نویسد یک دوربین آمادهٔ معمولی برای دقت آن‌ها کافی نیست
mAP و IoU برای تشخیص و قطعه‌بندی، خطای reprojection برای کالیبراسیون و سنجش روند عملکرد در طول زمان
آگهی‌ها تجربهٔ حوزه را امتیاز می‌دانند: بازرسی تولید در SpaceX، خرده‌فروشی و AR در Instacart، رباتیک یا رانندگی خودران در Waymo و صنایع دفاعی در Shield AI
برای کار با چهره و دادهٔ بیومتریک باید محدودیت‌های قانونی را بشناسید؛ برای نمونه ماده ۵ قانون AI اتحادیهٔ اروپا
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مهندس بینایی ماشین
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایه‌ها: Python، NumPy و مبانی تصویر
برای کامپیوتر، تصویر یک آرایهٔ عددی است. با NumPy کار با آرایه را یاد بگیرید و با OpenCV تصویر و ویدیو را بخوانید، فضای رنگ را عوض کنید و فیلتر و لبه‌یابی را امتحان کنید. درس‌های First Principles of Computer Vision برای کسی ساخته شده که هیچ پیش‌زمینه‌ای در بینایی ماشین ندارد.
یادگیری عمیق برای تصویر
شبکه‌های کانولوشنی، طبقه‌بندی تصویر و transfer learning را یاد بگیرید. یادداشت‌های CS231n استنفورد، همان درسی که Andrej Karpathy طراح و مدرس اصلی‌اش بود، هنوز با تمرین‌های بهار ۲۰۲۶ به‌روز می‌شود. بیشتر آگهی‌های بررسی‌شده تجربهٔ یادگیری عمیق می‌خواهند و Anduril، Waymo، Instacart و SpaceX از PyTorch نام برده‌اند.
تشخیص، قطعه‌بندی و ردیابی اشیا
تشخیص شیء (object detection)، قطعه‌بندی (segmentation) و ردیابی در ویدیو، هستهٔ بیشتر آگهی‌هاست؛ Anduril، Instacart و Shield AI هر سه از آن نام می‌برند. با یک مدل آماده شروع کنید، روی دادهٔ خودتان fine-tune کنید و با معیارهایی مثل mAP و IoU نتیجه را بسنجید. مدل‌های پایه مثل SAM هم جزو شرایط ترجیحی آگهی Instacartاند.
هندسهٔ سه‌بعدی، کالیبراسیون و SLAM
در رباتیک و پهپاد، بخش بزرگ کار هندسه است نه فقط مدل: کالیبراسیون دوربین، دید استریو، visual odometry و SLAM. آگهی Skydio تجربهٔ عملی با visual odometry، state estimation و SLAM را می‌خواهد و آگهی Monumental تجربه با VIO، ICP و Kalman filter را. کتاب Szeliski را می‌توانید برای استفادهٔ شخصی رایگان دانلود کنید.
استقرار روی سخت‌افزار واقعی و مدل‌های پایه
مدل باید روی دوربین، ربات یا پهپاد با تأخیر و مصرف محدود اجرا شود. آگهی Senior Computer Vision Engineer در Anduril تجربهٔ استقرار با TensorRT و ONNX و بهینه‌سازی inference روی CPU، GPU و NPU را می‌خواهد. هم‌زمان مدل‌های بینایی-زبانی (VLM) وارد آگهی‌ها شده‌اند: Waymo، SpaceX و Verkada از آن‌ها نام می‌برند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
کتابخانه‌ها و فریم‌ورک‌های اصلی
فریم‌ورک آموزش مدل؛ در آگهی‌های Anduril، Waymo، Instacart و SpaceX نام برده شده است
کتابخانهٔ متن‌باز بینایی ماشین که در ۱۹۹۹ به‌عنوان پروژهٔ Intel Research شروع شد و با مجوز Apache 2 منتشر می‌شود؛ آگهی‌های Instacart، Shield AI و SpaceX آن را نام برده‌اند
کتابخانهٔ YOLO برای آموزش و اجرای مدل‌های تشخیص و قطعه‌بندی. مجوز آن AGPL-3.0 است و برای محصول تجاری بسته، طبق سایت Ultralytics، مجوز Enterprise لازم است
داده، برچسب‌گذاری و افزایش داده
پلتفرم AI بینایی برای شرکت‌هایی که در دنیای فیزیکی کار می‌کنند؛ کتابخانهٔ متن‌باز Supervision و مخزن دیتاست‌های رایگان Roboflow Universe هم از همین شرکت است
استقرار و بهینه‌سازی
ابزار NVIDIA برای اجرای بهینهٔ مدل روی GPU؛ آگهی‌های Anduril و Instacart آن را صریحاً می‌خواهند
اجرای مدل‌های ONNX روی سخت‌افزارهای مختلف؛ آگهی Anduril استقرار با ONNX را در شرایط آورده است
سه‌بعدی و مدل‌های پایه
مدل Segment Anything نسل سوم؛ مخزن رسمی کد inference و fine-tuning و checkpointها را منتشر کرده است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
مهندس بینایی ماشین جونیور / Machine Vision Engineer
۰ تا ۲ سال
کار زیر نظر مهندس ارشد: جمع‌آوری و برچسب‌گذاری داده، آموزش و ارزیابی مدل، نصب و تست دوربین و رفع خطا. آگهی Machine Vision Engineer در Anduril دو سال تجربهٔ عملی «یا کار پروژه‌ای دانشگاهی» را می‌پذیرد و بازهٔ حقوق پایه‌اش ۱۳۲ تا ۱۷۵ هزار دلار است.
مهندس بینایی ماشین
۲ تا ۵ سال
مسئولیت یک بخش از سیستم بینایی از طراحی تا پروداکشن: الگوریتم، کد، استقرار و سنجش مداوم خطا. آگهی Monumental دقیقاً همین را می‌خواهد: پروژه را از ابتدا تا انتها مال خودتان بدانید و آن را به‌صورت notebook به تیم دیگری تحویل ندهید.
مهندس ارشد بینایی ماشین
۵+ سال
طراحی سیستم، بهینه‌سازی روی سخت‌افزار و منتورینگ. آگهی‌های ارشد بررسی‌شده بین ۴ سال (Verkada، Waymo) و ۶ سال (Anduril) تجربه می‌خواهند. بازه‌های حقوق پایهٔ اعلام‌شده در این آگهی‌ها در آمریکا: Skydio ۱۷۰ تا ۲۷۷٫۵ هزار، Waymo ۲۱۳ تا ۲۶۳ هزار و Anduril ۲۲۰ تا ۲۹۲ هزار دلار.
Staff / Principal Computer Vision Engineer
پس از سطح ارشد
تعیین جهت فنی تیم: انتخاب معماری، استانداردکردن روش آموزش و ارزیابی و تصمیم دربارهٔ توازن دقت، سرعت و محاسبات. آگهی Principal Computer Vision Engineer در Instacart دست‌کم ۶ سال تجربه و نقش در استراتژی فنی گروه AI را می‌خواهد.
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
شرایط واقعی با آزمایشگاه فرق دارد
عمومیتصویری که سیستم در محل کار می‌بیند با دادهٔ آموزشی فرق دارد. Monumental از بازسازی در «نور کم یا تند و فضای محدود» توسط اپراتورهایی که متخصص بینایی نیستند می‌نویسد، Overview.ai از فلز براق، پلاستیک شفاف و تاری حرکت، و Instacart از «شرایط شلوغ دنیای واقعی». بخش زیادی از کار، مقاوم‌کردن سیستم در برابر همین تفاوت‌هاست.
محدودیت سخت‌افزار و زمان واقعی
استارتاپمدل باید روی پهپاد، ربات یا دوربین با توان و حافظهٔ محدود سریع اجرا شود. Skydio «بهینه‌سازی برای محیط‌های با محاسبات محدود» را می‌خواهد و Anduril تنظیم سیستم برای تأخیر، حافظه و مصرف توان را. هر بهبود دقت باید با هزینه‌اش در سرعت سنجیده شود.
داده و برچسب‌گذاری
عمومیمدل خوب به دادهٔ برچسب‌خوردهٔ خوب نیاز دارد و ساختنش کار بزرگی است. Waymo تیمی جدا دارد که فقط برچسب ادراکی را در مقیاس بسیار بزرگ و به‌صورت خودکار تولید می‌کند و Anduril از مهندس ارشد ساخت دیتاست‌های ارزیابی را می‌خواهد. ImageNet هم، که بیش از ۱۴ میلیون تصویر دستی برچسب‌خورده دارد، در اصل پاسخی به همین کمبود بود.
وابستگی به سخت‌افزار و کار میدانی
شرکت بزرگخطا همیشه در نرم‌افزار نیست؛ ممکن است از دوربین، لنز، نور یا لرزش باشد. Monumental می‌خواهد منبع خطای سیستم حسگر را حتی وقتی ربات در محل ساخت است و دسترسی فیزیکی ندارید پیدا کنید، و نقش‌های Overview.ai و Anduril کار مستقیم روی خط تولید و آموزش کارکنان را هم دارند.
سهم صنایع دفاعی و مجوز امنیتی
عمومیبخش قابل توجهی از آگهی‌های این عنوان در شرکت‌های دفاعی است و برخی مجوز امنیتی آمریکا را شرط کرده‌اند: Computer Vision Engineer, Space در Anduril مجوز فعال Top Secret می‌خواهد و Senior Computer Vision Engineer همان شرکت امکان گرفتن مجوز Secret را. در بریتانیا هم طبق ITJobsWatch، ۲۲٫۵٪ آگهی‌هایی که مهارت Computer Vision خواسته‌اند به Security Cleared اشاره کرده‌اند. اگر این مسیر را نمی‌خواهید یا برایتان ممکن نیست، جستجو را روی شرکت‌های غیردفاعی متمرکز کنید.
حریم خصوصی و محدودیت‌های قانونی
شرکت بزرگسیستمهایی که چهره را می‌شناسند با محدودیت قانونی روبه‌رو هستند. طبق ماده ۵ قانون AI اتحادیهٔ اروپا، ساخت یا گسترش پایگاه دادهٔ تشخیص چهره با جمع‌آوری بی‌هدف تصویر از اینترنت یا دوربین مداربسته ممنوع است و شناسایی بیومتریک زمان واقعی در فضای عمومی برای اجرای قانون فقط در موارد محدود مجاز است. مهندس باید این‌ها را از ابتدای طراحی در نظر بگیرد.
بازار کوچک‌تر و تخصصی
عمومیطبق داده‌های Lightcast در AI Index ۲۰۲۶، خوشهٔ مهارتی «تشخیص تصویر» در ۲۰۲۵ فقط در ۰٫۰۹٪ کل آگهی‌های آمریکا آمده است. عنوان دقیق شغل هم کمتر از مهارتش دیده می‌شود. تعداد آگهی‌ها از نقش‌های عمومی‌تر AI کمتر است و آگهی‌های موجود اغلب تجربهٔ عملی یا مدرک بالاتر می‌خواهند.
حقوق و بازار کار جهانی
حقوق جهانی مهندس بینایی ماشین
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Glassdoor US, estimate updated Apr 2025, total pay (base + additional): 25th–75th pct, average (435 salaries)
- Glassdoor Canada, estimate updated Oct 2026, total pay: 25th–75th pct, average (62 salaries)
- Glassdoor UK, estimate updated Oct 2026, total pay: 25th–75th pct, average (83 salaries)
- Glassdoor Germany, estimate updated Jan 2024, total pay: 25th–75th pct, average (92 salaries)
- Glassdoor Netherlands, estimate updated Oct 2025, total pay: 25th–75th pct, average (only 19 salaries)
- Glassdoor Switzerland, estimate updated Apr 2024, total pay: 25th–75th pct, average (only 28 salaries)
- Glassdoor Australia, estimate updated Feb 2024, total pay: 25th–75th pct, average (only 10 salaries)
- Glassdoor India, estimate updated Apr 2026, total pay: 25th–75th pct, average (301 salaries)
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: تصویر و OpenCV
خواندن تصویر و ویدیو، فضای رنگ، فیلتر، لبه‌یابی و تطبیق ویژگی را با OpenCV تمرین کنید.
ماه ۲: یادگیری عمیق برای تصویر
CNN و transfer learning را با PyTorch پیاده کنید.
ماه ۳: تشخیص و ردیابی
یک مدل تشخیص را روی دادهٔ خودتان fine-tune کنید و ردیابی و شمارش را اضافه کنید (پروژهٔ اول پورتفولیو).
ماه ۴: کالیبراسیون و هندسه
دوربین را کالیبره کنید و با دید استریو یک اندازه‌گیری واقعی انجام دهید.
ماه ۵: استقرار
مدل را به ONNX تبدیل کنید، روی CPU یا یک برد edge اجرا کنید و تأخیر را اندازه بگیرید.
ماه ۶: پورتفولیو و درخواست
برای هر پروژه README با نتایج، خطاها و محدودیت‌ها بنویسید و برای نقش‌های Computer Vision، Perception و Machine Vision درخواست بدهید.
پروژه‌های پیشنهادی برای رزومه
تشخیص، ردیابی و شمارش اشیا در ویدیو
مبتدییک ویدیوی واقعی (مثلاً خیابان یا خط تولید) انتخاب کنید، اشیا را با یک مدل YOLO تشخیص دهید، با ByteTrack ردیابی کنید و عبور آن‌ها از یک خط را بشمارید. خطاها را دسته‌بندی کنید: کجا شیء گم می‌شود و چرا.
بازرسی صنعتی با تشخیص ناهنجاری
متوسطروی دیتاست MVTec AD یک مدل تشخیص ناهنجاری با Anomalib آموزش دهید و نتیجه را برای هر دسته جدا گزارش کنید. بعد چند عکس با نور و زاویهٔ متفاوت از یک قطعهٔ واقعی بگیرید و ببینید مدل چقدر به شرایط تصویربرداری حساس است.
کالیبراسیون دوربین و اندازه‌گیری با دید استریو
متوسطدوربین (یا دو دوربین) را با الگوی شطرنجی کالیبره کنید، خطای reprojection را گزارش دهید و با دید استریو فاصله یا اندازهٔ یک شیء را اندازه بگیرید. نتیجه را با اندازهٔ واقعی مقایسه کنید و منابع خطا را توضیح دهید.
بازسازی سه‌بعدی یک صحنه از عکس
پیشرفتهاز یک اتاق یا شیء چند ده عکس بگیرید، با COLMAP موقعیت دوربین‌ها و ابر نقاط را بسازید و بعد با Gaussian Splatting صحنه را رندر کنید. در README بنویسید کجا بازسازی شکست خورد (سطح براق، بافت کم، نور بد) و چه کردید.
استقرار مدل روی سخت‌افزار محدود
پیشرفتهمدل پروژهٔ اول را به ONNX و در صورت دسترسی به GPU انویدیا به TensorRT تبدیل کنید و روی CPU یا یک برد edge اجرا کنید. تأخیر، مصرف حافظه و افت دقت را قبل و بعد از quantization جدول کنید؛ همان چیزی که آگهی Anduril با «system profiling and tuning for latency, memory and power efficiency» می‌خواهد.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق ویکی‌پدیا، در ۱۹۷۶ در پکن به دنیا آمد و در ۱۶ سالگی با مادرش به آمریکا مهاجرت کرد؛ در دبیرستان آخر هفته‌ها در خشک‌شویی خانواده کار می‌کرد. کارشناسی فیزیک را در Princeton و دکترای مهندسی برق را در Caltech گرفت.
در ۲۰۰۷ در Princeton ساخت ImageNet را رهبری کرد: برچسب‌گذاری بیش از ۱۴ میلیون تصویر با Amazon Mechanical Turk که مسابقهٔ ImageNet (ILSVRC) را هم به دنبال آورد. بعدها مدیر آزمایشگاه AI استنفورد شد، در ۲۰۱۷ تا ۲۰۱۸ دانشمند ارشد AI در Google Cloud بود، در ۲۰۱۷ سازمان AI4ALL را برای تنوع در AI هم‌بنیان‌گذاری کرد و در ۲۰۲۴ برای World Labs، استارتاپی که با سه همکارش برای فناوری «هوش فضایی» بنیان گذاشته بود، ۲۳۰ میلیون دلار سرمایه جذب کرد.
مهم‌ترین کار او یک الگوریتم نبود، یک دیتاست بود. در بینایی ماشین، کیفیت و مقیاس داده اغلب همان‌قدر تعیین‌کننده است که خود مدل.
در براتیسلاوا به دنیا آمد و در ۱۵ سالگی با خانواده به تورنتو مهاجرت کرد. کارشناسی علوم کامپیوتر و فیزیک را در دانشگاه تورنتو، کارشناسی ارشد را در UBC و در ۲۰۱۵ دکترا را در استنفورد زیر نظر Fei-Fei Li گرفت، با تمرکز بر تقاطع پردازش زبان و بینایی ماشین.
طراح و مدرس اصلی CS231n بود، نخستین درس یادگیری عمیق استنفورد، که طبق ویکی‌پدیا از ۱۵۰ دانشجو در ۲۰۱۵ به ۷۵۰ نفر در ۲۰۱۷ رسید. از اعضای مؤسس OpenAI بود و از ژوئن ۲۰۱۷ تا ژوئیهٔ ۲۰۲۲ مدیر AI و Autopilot Vision در Tesla. در ۲۰۲۴ شرکت آموزشی Eureka Labs را راه انداخت و در ۲۰۲۶ به Anthropic پیوست.
درسی که او برای دانشجویان استنفورد ساخت، هنوز یکی از پرکاربردترین منابع رایگان این حوزه است. به نظر می‌رسد آموزش‌دادن آنچه یاد گرفته‌اید، هم فهم خودتان را عمیق‌تر می‌کند و هم شما را به جامعهٔ این حوزه معرفی می‌کند.
دانشمند و کارآفرین آمریکایی؛ کارشناسی مهندسی برق و کامپیوتر را از UC Berkeley و در ۱۹۹۴ دکترای سیستم‌های شناختی و عصبی (مدل‌سازی ریاضی ادراک زیستی) را از دانشگاه بوستون گرفت.
طبق ویکی‌پدیا روی کتابخانهٔ OpenCV کار کرد و همراه Adrian Kaehler کتاب Learning OpenCV را نوشت که نسخهٔ به‌روز آن برای OpenCV 3 در ۲۰۱۶ منتشر شد. از نویسندگان مقالهٔ Stanley، رباتی که مسابقهٔ DARPA Grand Challenge را برد، بود و شرکت Industrial Perception را برای ادراک در ربات‌های صنعتی هم‌بنیان‌گذاری کرد که Google در ۲۰۱۲ آن را خرید.
ابزاری که او در ساختنش سهم داشت، امروز هم در آگهی‌هایی مثل Instacart، Shield AI و SpaceX نام برده می‌شود. ساختن ابزار مشترک برای دیگران می‌تواند ماندگارتر از هر پروژهٔ تکی باشد.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Software Engineer, Computer Vision
تحلیل نیازمندی‌ها
Industry experience building and deploying 3D vision systems into production.
پروژهٔ کلاسی کافی نیست؛ باید سیستمی سه‌بعدی ساخته باشید که واقعاً مستقر شده و استفاده شده است. اگر تازه‌کارید، پروژه‌ای بسازید که روی سخت‌افزار واقعی اجرا شود و نتیجه‌اش قابل اندازه‌گیری باشد.
ضروریDeep understanding of, and hands-on experience with, multiple hardware sensor systems - LiDARs, IMUs, and (depth) cameras.
این نقش با حسگر واقعی کار می‌کند، نه فقط با دیتاست. باید بدانید هر حسگر چه خطایی دارد و داده‌هایشان را چطور هم‌زمان و هم‌مرجع کنید.
ضروریExperience developing, implementing, and testing mapping, localisation and state estimation algorithms such as (VI-)SLAM, VIO, ICP, and Kalman filters.
هستهٔ فنی این آگهی هندسه و تخمین وضعیت است، نه طبقه‌بندی تصویر. Kalman filter، ICP و SLAM را باید هم از نظر ریاضی بفهمید و هم پیاده‌سازی و تست کرده باشید.
ضروریIdeally, some experience with real-time, deep-learning-based computer vision - e.g. multi-object tracking systems.
«Ideally» یعنی امتیاز است، نه شرط. یادگیری عمیق اینجا مکمل هندسه است؛ مثلاً ردیابی چندشیئی که در زمان واقعی اجرا شود.
مفیدProven software engineering experience in C, C++, Python, Rust, or comparable languages - beyond doing things in a Jupyter notebook.
کارفرما صریحاً می‌گوید notebook کافی نیست. کد شما باید ساختار، تست و قابلیت استقرار داشته باشد؛ زبانش کمتر مهم است.
ضروریSoftware engineering best practices: git for version control, unit testing, automated deployment.
پایه‌های مهندسی نرم‌افزار. در پورتفولیو نشان دهید پروژه‌هایتان تست و CI دارند.
مهمA strong bias for action and output. We're not a research organisation - we ship frequently and iterate fast.
این تیم دنبال پژوهشگری نیست که ماه‌ها روی یک ایده کار کند؛ دنبال کسی است که زود نسخهٔ کارکننده بسازد و با بازخورد واقعی بهترش کند.
مهمA strong sense of ownership and motivation.
یعنی مسئولیت پروژه از ابتدا تا انتها با شماست، از جمله وقتی پس از استقرار خراب می‌شود.
مهمتحلیل مسئولیت‌ها
Developing algorithms for localisation, mapping, calibration, and state estimation using state-of-the-art techniques, allowing us to drive our autonomous vehicles in the ever-changing environment of a construction site.
محل ساخت هر روز تغییر می‌کند: دیوار بالا می‌رود، مصالح جابه‌جا می‌شود. الگوریتم تعیین موقعیت باید با این تغییرها کنار بیاید، نه فقط در یک محیط ثابت کار کند.
Building the continuous localisation system for our robots, combining camera, depth, and IMU data to keep track of where the robot is at all times.
ترکیب حسگرها (sensor fusion): هر حسگر جایی ضعیف است و سیستم باید از ترکیب آن‌ها تخمینی پایدار بسازد. این همان جایی است که Kalman filter و VIO به کار می‌آیند.
Designing and building vision systems that understand the construction site: spec the right cameras and sensors, train models that judge the quality of bricks and mortar, or recognise construction objects.
کار از انتخاب سخت‌افزار شروع می‌شود و به آموزش مدل می‌رسد. مهندس بینایی ماشین در این تیم هم دوربین را انتخاب می‌کند و هم مدل تشخیص کیفیت را می‌سازد.
Implementing robust, production-level code that brings your algorithms to life. You own your projects from start to finish and don't approach problems like a researcher who hands a Jupyter notebook to a separate software engineering team.
تیم جداگانه‌ای نیست که کد شما را پروداکشنی کند. الگوریتم و کد استقرار هر دو کار خودتان است.
Measuring the performance of our sensing system on a continuous basis, characterising the sources of error and performing root cause analysis - even when the robot is out on a construction site and you don't have direct physical access to it.
سنجش مداوم و عیب‌یابی از راه دور. باید از ابتدا لاگ و معیار کافی در سیستم بگذارید تا بعداً بتوانید بفهمید خطا از کجا آمده است.
نتیجه‌گیری کلی
این آگهی چهرهٔ رباتیکی شغل را نشان می‌دهد: مهندسی که بیش از طبقه‌بندی تصویر با هندسه، حسگر و تعیین موقعیت کار می‌کند و یادگیری عمیق برایش ابزار مکمل است. شرط مدرک ندارد، اما تجربهٔ استقرار واقعی و کد پروداکشن می‌خواهد و صریحاً می‌گوید سازمان پژوهشی نیست. بازهٔ حقوق در آگهی اعلام نشده و کار پنج روز در هفته حضوری است. شرکت کارآموز نمی‌پذیرد، اما به گفتهٔ آگهی از افراد همه‌کاره‌ای که همهٔ شرایط را ندارند ولی حاضرند حین کار یاد بگیرند هم استقبال می‌کند.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد (WEF)، کارفرمایان شرکت‌کننده گروه «متخصصان AI و یادگیری ماشین» را سومین شغل پررشد (از نظر درصد) در فاصلهٔ ۲۰۲۵ تا ۲۰۳۰ پیش‌بینی کرده‌اند. WEF بینایی ماشین را جداگانه نمی‌شمارد و این نزدیک‌ترین گروه در طبقه‌بندی آن است.
منبع: WEF Future of Jobs Report 2025
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد (WEF)، کارفرمایان «متخصصان AI و یادگیری ماشین» را سومین شغل پررشد تا ۲۰۳۰ دانسته‌اند. به گفتهٔ همین گزارش، سریع‌ترین رشدها بیشتر از پیشرفت‌های فناوری، از جمله AI و رباتیک، می‌آید.
در همان فهرست WEF، «متخصصان خودروهای خودران و برقی» (Autonomous and Electric Vehicle Specialists) در رتبهٔ هفتم شغل‌های پررشد تا ۲۰۳۰ قرار دارند؛ در جستجوی آگهی‌ها برای این صفحه هم بسیاری از نقش‌های ادراک (Perception) از همین حوزه بودند.
در آگهی‌های بررسی‌شده، کار با مدل‌های پایه و zero-shot مثل SAM و Grounding DINO (Instacart) و مدل‌های بینایی-زبانی (Waymo، SpaceX و Verkada) جزو شرایط آمده است. به نظر می‌رسد آموزش یک مدل تشخیص ساده روی دادهٔ عمومی دیگر به‌تنهایی مزیت نیست و ارزش مهندس بیشتر در داده، ارزیابی، استقرار روی سخت‌افزار واقعی و حل مسئلهٔ یک صنعت مشخص است. بازار هم کوچک‌تر از کل حوزهٔ AI است: طبق Lightcast در AI Index ۲۰۲۶، خوشهٔ «تشخیص تصویر» در ۲۰۲۵ در ۰٫۰۹٪ آگهی‌های آمریکا آمده، و بخشی از آگهی‌های این عنوان در صنایع دفاعی است که مجوز امنیتی می‌خواهد.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۷ منبع بررسی شده است.
- Software Engineer, Computer Vision — Monumental (job posting)
- Senior Computer Vision Engineer — Anduril Industries (job posting)
- Computer Vision Engineer, Space — Anduril Industries (job posting)
- Machine Vision Engineer, Manufacturing Automation — Anduril Industries (job posting)
- Senior Software Engineer - Computer Vision — Verkada (job posting)
- Senior Autonomy Engineer - Computer Vision — Skydio (job posting)
- Computer Vision Engineer (C++) — Shield AI (job posting)
- Senior Machine Learning Engineer, Computer Vision/VLM — Waymo (job posting)
- Sr. Software Engineer, Computer Vision — SpaceX (job posting)
- Principal Computer Vision Engineer — Instacart (job posting)
- Vision Engineer — Overview.ai (job posting)
- Glassdoor — Computer Vision Engineer salaries, United States
- Glassdoor — Computer Vision Engineer salaries, Canada
- Glassdoor — Computer Vision Engineer salaries, United Kingdom
- Glassdoor — Gehälter Computer Vision Engineer, Deutschland
- Glassdoor — Salarissen Computer Vision Engineer, Nederland
- Glassdoor — Computer Vision Engineer, Schweiz
- Glassdoor — Computer Vision Engineer salaries, Australia
- Glassdoor — Computer Vision Engineer salaries, India
- World Economic Forum — The Future of Jobs Report 2025 (PDF)
- Stanford AI Index 2026 — Chapter 4: Economy (PDF)
- ITJobsWatch — Computer Vision (UK)
- ITJobsWatch — Computer Vision Engineer (UK)
- FDA — List of Artificial Intelligence-Enabled Medical Devices
- EU Artificial Intelligence Act — Article 5: Prohibited AI Practices
- Computer vision — Wikipedia
- AlexNet — Wikipedia
- ImageNet — Wikipedia
- OpenCV — Wikipedia
- Fei-Fei Li — Wikipedia
- Andrej Karpathy — Wikipedia
- Gary Bradski — Wikipedia
- Ultralytics — License
- AlbumentationsX — fast image augmentation
- Meta SAM 3 — GitHub repository
- Richard Szeliski — Computer Vision: Algorithms and Applications, 2nd ed.
- CS231n Deep Learning for Computer Vision — course notes