ML-разработчик в команду распознавания текста

В Яндексе разрабатывается собственная технологии распознавания текста — OCR. С помощью этой технологии пользователи Яндекс Переводчика прямо в камере телефона могут перевести надпись на памятнике или содержание меню в ресторане с более чем 50 языков — включая не только языки на основе кириллицы и латиницы, но и китайский, арабский, греческий и другие. Пользователи Алисы и Яндекс Картинок могут по сделанной фотографии найти сообщение об ошибке, скопировать текст документа, перейти по ссылке с плаката и даже озвучить надпись на упаковке из магазина, сделанную мелким шрифтом. Технология используется во многих других сервисах и процессах в компании, а также доступна внешним пользователям в Yandex Cloud.

Мы хотим, чтобы наша технология показывала отличные результаты в самых сложных случаях — будь то надпись, выбитая на камне, текст на сильно помятой упаковке товара или написанный по кругу — и при этом работала даже на мобильных устройствах.

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