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 ждём, 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, если вы

- Работали с доменами задач со сложной структурой данных

- Выполняли задачи автономного транспорта

- Интересуетесь развитием домена автономного транспорта (perception, planning, simulation)

Узнать больше

-

Автономный транспорт

-

Офисы в Москве