ML-разработчик в команду оптимизации архитектур и обучений модели планирования движения

Мы делаем модель планирования движения для автономного автомобиля: проводим тысячи экспериментов каждый месяц и работаем на фронтире исследований. У нас развитая инфраструктура и сильнейшая команда, увлечённая ML. Присоединяйтесь, если владеете Python, работали с PyTorch и увлечены ML, как и мы!Оптимизация векторных вычислений и архитектуры моделей
Вы будете профилировать код на торче, анализировать узкие места в сложном пайплайне CUDA-ядер и оптимизировать их. Также для оптимизации предстоит интегрировать современные эффективные технологии для обучения и инференса трансформеров (например, flash attention и speculative decoding). Создание удобной инфраструктуры для обучения моделей
Мы оптимизируем UI/UX, чтобы разработчикам было удобно проводить эксперименты и анализировать их результаты. Чем проще экспериментировать — тем больше экспериментов и тем ближе будущее с роботакси. Разработка среды для обучения моделей с помощью reinforcement learning
При обучении нашей модели используется reinforcement learning: модель учится ездить в специальной искусственной среде, в которой симулируется езда на автомобиле. Нужно постоянно улучшать эту среду, чтобы она была быстрой, удобной и соответствовала реальному миру. Больше об ML в Яндексе — в канале Yandex for ML* Программируете на Python, работали с PyTorch * Обучали ML-модели и знаете, как выглядит полный пайплайн обучения модели * Увлечены ML, читаете статьи и следите за развитием области * Ориентируетесь в области DL, быстро разбираетесь в новых методах* Хорошо знаете внутреннюю архитектуру видеокарт, разрабатывали ядра на CUDA * Имеете опыт в распределённых обучениях; знаете, что такое FSDP и pipeline parallelism * Обучали и оптимизировали большие трансформеры * Умеете читать код на C++ * Увлечены автономными автомобилями или робототехникой в целом