ML-разработчик в команду симуляции проезда автономного автомобиля в Автономный транспорт

Привет! Меня зовут Ваня, я руковожу командой реалистичности машин и пешеходов в Симуляторе. Ищу крутого ML-разработчика, который будет решать сложные задачи генерации трафика с опорой на передовые подходы индустрии и помогать внедрять свои наработки в наш продукт.

Больше о команде Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Оценивать их только на реальных дорогах долго, дорого, а для некоторых сценариев практически невозможно. Поэтому в Яндексе мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде и быстро оценивать, как меняется поведение автомобиля в разных дорожных ситуациях, погодных условиях и на разных территориях. Достоверность таких тестов определяется тем, насколько реалистично окружающая среда реагирует на действия автономного автомобиля. Для этого мы используем ML-модель, которая предсказывает движение других участников дорожного движения: машин, мотоциклов и пешеходов. Над этой моделью и предстоит работать будущему участнику нашей команды. Симулятор используют много команд, поэтому наши улучшения напрямую влияют на скорость и качество разработки автономного автомобиля Яндекса.

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