ML-разработчик в команду Detector Alignment (Автономный транспорт)

Команда Detector Alignment в составе отдела восприятия Автономного транспорта отвечает за то, чтобы автомобиль корректно «видел» и интерпретировал окружающую среду в любых условиях эксплуатации: днём и ночью, в дождь, снег и туман.

Наша задача — обеспечить согласованную и устойчивую работу детекторов и сегментационных моделей в реальном мире. Мы работаем с данными камер, лидаров и радаров, создаём нейросетевые алгоритмы и доводим их до надёжного продакшена на автомобиле.

Разработка и улучшение моделей детекции и сегментации
Обучать и адаптировать модели для детекции автомобилей, пешеходов и других динамических объектов, сегментации проезжей части и выделения важных элементов сцены.

Alignment и устойчивость моделей в реальных условиях
Работать над обобщающей способностью моделей в различных погодных и световых условиях, на разных сенсорных конфигурациях и в новых географиях.

Мультимодальная обработка данных
Интегрировать информацию с камер, лидаров и радаров, исследовать способы её эффективного объединения.

Определение условий допустимой эксплуатации
Разрабатывать алгоритмы для определения погодных условий, состояния дороги и других факторов, влияющих на возможность безопасного движения.

Продакшен и масштабирование
Оптимизировать модели, анализировать ошибки, работать с большими объёмами данных и инфраструктурой обучения.

Больше об ML в Яндексе — в канале Yandex for ML

• Обучаете нейросетевые модели, работаете с разными подходами
• Работали с PyTorch или TensorFlow и фреймворками поверх них
• 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 мультимодальными моделями (камера + лидар + радар)
• Имели дело с большими моделями (LLM, VLM, Foundation Models) в иных доменах
• Выполняли задачи автономного транспорта