ML-разработчик в команду распознавания текста
Posted Updated 2
views
Summary
Join Yandex's text recognition (OCR) team as an ML developer: build neural network models at the intersection of computer vision and NLP, research state-of-the-art text recognition approaches, and accelerate/compress models for production servers and offline mobile devices. Core stack: deep learning plus C++ for production integration.
Мы разрабатываем собственную технологию распознавания текста. С её помощью можно перевести текст с более чем 50 языков или распознать его. Приходите, если решали задачи с помощью технологий Deep Learning, знаете классические алгоритмы и пишете понятный и легко поддерживаемый код.Разработка нейросетевых моделей на стыке CV и NLP
Наши задачи лежат на стыке технологий CV и NLP — ведь на входе мы работаем с картинками, а для качественного распознавания нам необходимы хорошие знания о языковой модели. Мы активно внедряем в наши процессы и большие мультимодальные модели. При этом важный фокус — делать технологию универсальной и масштабируемой. Исследование state-of-the-art-подходов в обучении моделей распознавания текста
Мы хотим, чтобы наша технология показывала отличные результаты в самых сложных случаях: это, например, фото надписи, выбитой на камне, или текста, расположенного по кругу, забликованный снимок текста на сильно помятой упаковке товара, фото рукописных текстов, даже если это архивы XVIII века. Ускорение и сжатие архитектуры нейронных сетей
Наша технология применяется не только на серверах, но и на мобильных устройствах без доступа в интернет, поэтому мы работаем над эффективностью применения моделей и их компактностью. Больше об ML в Яндексе — в канале Yandex for ML* Решали прикладные задачи с помощью технологий Deep Learning * Понимаете принципы машинного обучения * Знаете классические алгоритмы и структуры данных, пишете понятный и легко поддерживаемый код * Интересуетесь последними публикациями в области Deep Learning* Знаете C++: полученные модели вам придётся внедрять в продакшен, который ежедневно обрабатывает миллионы запросов пользователей * Умеете работать с большими объёмами данных: мы считаем, что набор репрезентативного и чистого обучающего множества — это один из ключей к успеху
Наши задачи лежат на стыке технологий CV и NLP — ведь на входе мы работаем с картинками, а для качественного распознавания нам необходимы хорошие знания о языковой модели. Мы активно внедряем в наши процессы и большие мультимодальные модели. При этом важный фокус — делать технологию универсальной и масштабируемой. Исследование state-of-the-art-подходов в обучении моделей распознавания текста
Мы хотим, чтобы наша технология показывала отличные результаты в самых сложных случаях: это, например, фото надписи, выбитой на камне, или текста, расположенного по кругу, забликованный снимок текста на сильно помятой упаковке товара, фото рукописных текстов, даже если это архивы XVIII века. Ускорение и сжатие архитектуры нейронных сетей
Наша технология применяется не только на серверах, но и на мобильных устройствах без доступа в интернет, поэтому мы работаем над эффективностью применения моделей и их компактностью. Больше об ML в Яндексе — в канале Yandex for ML* Решали прикладные задачи с помощью технологий Deep Learning * Понимаете принципы машинного обучения * Знаете классические алгоритмы и структуры данных, пишете понятный и легко поддерживаемый код * Интересуетесь последними публикациями в области Deep Learning* Знаете C++: полученные модели вам придётся внедрять в продакшен, который ежедневно обрабатывает миллионы запросов пользователей * Умеете работать с большими объёмами данных: мы считаем, что набор репрезентативного и чистого обучающего множества — это один из ключей к успеху