ML‑разработчик в команду трекинга Автономного транспорта

Команда трекинга, которая входит в отдел восприятия Автономного транспорта, следит за тем, чтобы автомобиль правильно «видел» и понимал поведение окружающих его агентов: машин, пешеходов, роботов доставки и т. д. Результаты работы трекинга помогают грамотно планировать движение автономного транспорта.

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)