ML‑разработчик в команду трекинга Автономного транспорта
Summary
Develops and improves 3D multi-object tracking algorithms for autonomous vehicles using ML, focusing on real-time perception systems and scalable production solutions.
Команда трекинга отвечает за то, чтобы автомобиль правильно «видел» и понимал поведение машин, пешеходов, роботов доставки и т. д. Результаты работы трекинга помогают планировать движение. Вы будете улучшать модули 3D-multi-object-трекинга, а также разрабатывать новые end-to-end-подходы к трекингу.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* 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* Работали с доменами задач со сложной структурой данных * Выполняли задачи автономного транспорта * Интересуетесь развитием домена автономного транспорта (perception, planning, simulation)
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* 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* Работали с доменами задач со сложной структурой данных * Выполняли задачи автономного транспорта * Интересуетесь развитием домена автономного транспорта (perception, planning, simulation)