Разработчик системы принятия решений автопилота в команду автономного транспорта
Наша команда развивает автономный транспорт Яндекса. Мы делаем так, чтобы крутой ML автопилота хорошо работал — быстро, надёжно, повторяемо и ожидаемо. Ищем сильного разработчика на C++, который поможет нам писать стабильный и поддерживаемый код.Разработка унифицированного фреймворка запуска нейросетевых пайплайнов
Мы разрабатываем пайплайн, в котором можно будет запускать пре-/пост-процессинг и нейронки. На него планируется перенести практически все ML-пайплайны в рантайме. Однако запуск непосредственно на машине лишь один из способов применения пайплайна, позже его планируется использовать, чтобы упростить обучение новых ML-моделей, более оптимально запускать симуляции и т. д. Проведение экспериментов и выявление проблем
В планировании движения кроме самой нейронной сети участвует много компонент. Они делают на первый взгляд простую задачу (запустить нейронку и отдать траекторию на исполнение) сложной. Вам предстоит помогать ML-команде проводить эксперименты, анализировать результаты, делать выводы и искать решения, чтобы планирование становилось более предсказуемым, стабильным и безопасным. Контроль за соответствием automotive-стандартам
Автономный транспорт — часть критической инфраструктуры, которая должна отвечать высоким требованиям к качеству и надёжности. Вам предстоит повышать и поддерживать качество кодовой базы в соответствии с этими требованиями. Больше о бэкенде в Яндексе — в канале Yandex for Backend* Уверенно знаете C++ и STL, стандарт C++17 * На базовом уровне владеете Python * Можете разобраться в чужом коде, а свой пишете так, чтобы он был понятен другим * Знаете классические алгоритмы и структуры данных * Умеете работать в команде* Использовали нейронки, понимаете, как они работают, занимались их запуском или обучением * Работали с акторной архитектурой
Мы разрабатываем пайплайн, в котором можно будет запускать пре-/пост-процессинг и нейронки. На него планируется перенести практически все ML-пайплайны в рантайме. Однако запуск непосредственно на машине лишь один из способов применения пайплайна, позже его планируется использовать, чтобы упростить обучение новых ML-моделей, более оптимально запускать симуляции и т. д. Проведение экспериментов и выявление проблем
В планировании движения кроме самой нейронной сети участвует много компонент. Они делают на первый взгляд простую задачу (запустить нейронку и отдать траекторию на исполнение) сложной. Вам предстоит помогать ML-команде проводить эксперименты, анализировать результаты, делать выводы и искать решения, чтобы планирование становилось более предсказуемым, стабильным и безопасным. Контроль за соответствием automotive-стандартам
Автономный транспорт — часть критической инфраструктуры, которая должна отвечать высоким требованиям к качеству и надёжности. Вам предстоит повышать и поддерживать качество кодовой базы в соответствии с этими требованиями. Больше о бэкенде в Яндексе — в канале Yandex for Backend* Уверенно знаете C++ и STL, стандарт C++17 * На базовом уровне владеете Python * Можете разобраться в чужом коде, а свой пишете так, чтобы он был понятен другим * Знаете классические алгоритмы и структуры данных * Умеете работать в команде* Использовали нейронки, понимаете, как они работают, занимались их запуском или обучением * Работали с акторной архитектурой