ML‑разработчик в команду трекинга Автономного транспорта
Все вакансии Автономный транспорт в Москве
Москва
Полная занятость
Описание
Команда трекинга, которая входит в отдел восприятия Автономного транспорта, следит за тем, чтобы автомобиль правильно «видел» и понимал поведение окружающих его агентов: машин, пешеходов, роботов доставки и т. д. Результаты работы трекинга помогают грамотно планировать движение автономного транспорта.
Какие задачи вас ждут:
Разработка модулей трекинга
Вы будете полноценно разрабатывать и заменять отдельные алгоритмические модули 3D-multi-object-трекинга: использовать ML-based-подходы либо улучшать существующие. Работа пройдёт от постановки гипотезы до внедрения результатов в production.
Разработка end-to-end 3D-трекинга
Вы будете изучать статьи, реализовывать end-to-end-подходы к трекингу, ставить эксперименты и собирать нужные данные.
Работа с 3D‑данными
Вы будете внедрять подходы active learning, weak labeling и semi-supervised, чтобы обучать и настраивать 3D-multi-object-трекер.
Масштабирование production
Вы будете оптимизировать модели и алгоритмы, анализировать ошибки, работать с большими объёмами данных и инфраструктурой трекинга.
Больше об ML в Яндексе — в канале Yandex for ML
Мы ждем, что вы:
- Работали с PyTorch или TensorFlow и фреймворками поверх них
- Работали с временными рядами или авторегрессионными моделями в ML/DL
- Стремитесь использовать в работе и распространять универсальные, масштабируемые практики
- Ориентируетесь в мире прикладного DL: знаете теорию компьютерного зрения, добиваетесь практических результатов
- Понимаете особенности realtime‑ограничений
- Читаете статьи с ML‑конференций, следите за развитием области
Будет плюсом:
- Работали с доменами задач со сложной структурой данных
- Выполняли задачи автономного транспорта
- Интересуетесь развитием домена автономного транспорта (perception, planning, simulation)
Какие задачи вас ждут:
Разработка модулей трекинга
Вы будете полноценно разрабатывать и заменять отдельные алгоритмические модули 3D-multi-object-трекинга: использовать ML-based-подходы либо улучшать существующие. Работа пройдёт от постановки гипотезы до внедрения результатов в production.
Разработка end-to-end 3D-трекинга
Вы будете изучать статьи, реализовывать end-to-end-подходы к трекингу, ставить эксперименты и собирать нужные данные.
Работа с 3D‑данными
Вы будете внедрять подходы active learning, weak labeling и semi-supervised, чтобы обучать и настраивать 3D-multi-object-трекер.
Масштабирование production
Вы будете оптимизировать модели и алгоритмы, анализировать ошибки, работать с большими объёмами данных и инфраструктурой трекинга.
Больше об ML в Яндексе — в канале Yandex for ML
Мы ждем, что вы:
- Работали с PyTorch или TensorFlow и фреймворками поверх них
- Работали с временными рядами или авторегрессионными моделями в ML/DL
- Стремитесь использовать в работе и распространять универсальные, масштабируемые практики
- Ориентируетесь в мире прикладного DL: знаете теорию компьютерного зрения, добиваетесь практических результатов
- Понимаете особенности realtime‑ограничений
- Читаете статьи с ML‑конференций, следите за развитием области
Будет плюсом:
- Работали с доменами задач со сложной структурой данных
- Выполняли задачи автономного транспорта
- Интересуетесь развитием домена автономного транспорта (perception, planning, simulation)