ML-разработчик в команду оптимизации архитектур и обучений модели планирования движения

Наша команда делает модель планирования движения для автономного автомобиля. Чтобы создать качественную модель, мы проводим тысячи экспериментов каждый месяц, а наши данные весят петабайты. Всё это требует надёжной и удобной инфраструктуры, а также эффективной работы с большими вычислительными мощностями дата-центра.

Почему у нас круто:

• Мы находимся на фронтире исследований: для нашей задачи нет общеизвестного SOTA-подхода. Мы придумываем идеи, которые до нас ещё никому не приходили в голову.
• Очень развитая инфраструктура, которая позволяет запускать огромные обучения на большом количестве видеокарт и данных.
• Сильнейшая команда, очень увлечённая ML, с которой можно расти и развиваться.
• Мы делаем технологию будущего, которая изменит транспортные перевозки и сделает мир лучше и безопаснее. Присоединяйтесь!

Какие задачи вас ждут

Оптимизация векторных вычислений и архитектуры моделей
Вы будете профилировать код на торче, анализировать узкие места в сложном пайплайне CUDA-ядер и оптимизировать их. Также для оптимизации предстоит интегрировать современные эффективные технологии для обучения и инференса трансформеров (например, flash attention и speculative decoding).

Создание удобной инфраструктуры для обучения моделей
Мы оптимизируем UI/UX, чтобы разработчикам было удобно проводить эксперименты и анализировать их результаты. Чем проще экспериментировать — тем больше экспериментов и тем ближе будущее с роботакси.

Разработка среды для обучения моделей с помощью reinforcement learning
При обучении нашей модели используется reinforcement learning: модель учится ездить в специальной искусственной среде, в которой симулируется езда на автомобиле. Нужно постоянно улучшать эту среду, чтобы она была быстрой, удобной и соответствовала реальному миру.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждем, что вы

• Программируете на Python, работали с PyTorch
• Обучали ML-модели и знаете, как выглядит полный пайплайн обучения модели
• Увлечены ML, читаете статьи и следите за развитием области
• Ориентируетесь в области DL, быстро разбираетесь в новых методах

Будет плюсом, если вы

• Хорошо знаете внутреннюю архитектуру видеокарт, разрабатывали ядра на CUDA
• Имеете опыт в распределённых обучениях; знаете, что такое FSDP и pipeline parallelism
• Обучали и оптимизировали большие трансформеры
• Умеете читать код на C++
• Увлечены автономными автомобилями или робототехникой в целом