ML-разработчик в команду симуляции проезда автономного автомобиля в Автономный транспорт
Posted 2
views
Summary
ML developer on Yandex's Autonomous Transport team improves a neural network that generates car and pedestrian trajectories inside a driving-simulation environment for testing autopilot components. Day-to-day work spans dataset building, generative CV (diffusion models, conditioning/guidance), distributed training, and building automated model-quality evaluation pipelines.
Мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде. Ищем сильного ML-разработчика. Откликайтесь, если знаете Python, имеете опыт работы с данными, занимались генеративным CV и обучали нейросети на распределённых кластерах.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* 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* 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
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* 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* 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