Привет! Меня зовут Ваня, я руковожу командой реалистичности машин и пешеходов в Симуляторе. Ищу крутого ML-исследователя, который будет решать сложные задачи генерации трафика с опорой на передовые подходы индустрии и помогать внедрять свои наработки в наш продукт.

Иван Захаров

Старший разработчик

Больше о команде

Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Оценивать их только на реальных дорогах долго, дорого, а для некоторых сценариев практически невозможно. Поэтому в Яндексе мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде и быстро оценивать, как меняется поведение автомобиля в разных дорожных ситуациях, погодных условиях и на разных территориях.

Достоверность таких тестов определяется тем, насколько реалистично окружающая среда реагирует на действия автономного автомобиля. Для этого мы используем ML-модель, которая предсказывает движение других участников дорожного движения: машин, мотоциклов и пешеходов. Над этой моделью и предстоит работать будущему участнику нашей команды.

Симулятор используют много команд, поэтому наши улучшения напрямую влияют на скорость и качество разработки автономного автомобиля Яндекса.

Какие задачи вас ждут

Улучшение качества и разработка новых функций модели

Вам предстоит работать над повышением базового качества нейросети для генерации траекторий машин и пешеходов. Задачи включают улучшение датасета (сбор, фильтрацию и предобработку данных), архитектурные доработки моделей, оптимизацию процесса обучения и инференса, а также исследование возможностей внедрения inpainting, различных conditioning и guidance для решения продуктовых задач. Удачные наработки затем нужно будет внедрять в продакшен своими силами и силами бэкенд-команды.

Разработка фреймворка приёмки моделей

Вторым фокусом будет участие в построении надёжной и автоматизированной системы оценки качества и приёмки новых версий модели. Нужно будет реализовывать в продакшен-системе и train-цикле моделей метрики из SOTA-статей, разрабатывать собственные метрики для оценки краевых случаев и внедрять краудсорсинг в процессы приёмки для комплексной оценки моделей.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждём, что вы

- Программировали на Python

- Работали с данными (сбор из сырых логов, формирование новых датасетов)

- Занимались генеративным CV

- Обучали нейросети на распределённых кластерах

- Участвовали в ML-проектах полного цикла с привязкой к бизнес-потребностям

Будет плюсом, если вы

- Имеете практический опыт обучения диффузионных моделей

- Внедряли модели в продакшен через FastAPI + Docker, Triton Inference Server или любой другой фреймворк

- Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, Topcoder, Kaggle и т. д.)

- Умеете программировать на C++

- Знаете правила дорожного движения, водили автомобиль или мотоцикл

Узнать больше

-

Автономный транспорт

-

Офисы в Москве