ML-исследователь в команду симуляции проезда беспилотного автомобиля

Больше о команде

Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Однако оценивать их на основе проездов по реальным дорогам слишком долго, дорого, а иногда и вообще невозможно.

Чтобы эффективно измерять качество релизов ПО, мы в Яндексе разработали систему симуляции. Она позволяет проанализировать поведение авто в виртуальном окружении, быстро выявить и сравнить, как меняется поведение машины при движении по разным территориям в различных погодных условиях и дорожных ситуациях.

Оценка будет достоверна и надёжна, если сделать реалистичную симуляцию, которая будет воспроизводить специфику записанных настоящих проездов и адаптироваться к различиям между симулируемым миром и дорожной ситуацией.

Какие задачи вас ждут

Улучшение качества и разработка новых функций модели
Вам предстоит повышать базовое качество нейросети для генерации траекторий машин и пешеходов. Задачи включают улучшение датасета (сбор, фильтрация и предобработка данных), архитектурные доработки моделей, оптимизацию процесса обучения и инференса, а также исследование возможностей внедрения алгоритмов inpainting, conditioning и guidance для решения продуктовых задач.

Разработка фреймворка приёмки моделей
Второй важной задачей будет участие в построении надёжной автоматизированной системы оценки качества и приёмки новых версий модели. Нужно будет реализовывать в продакшн-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.

Мы ждем, что вы

• Программировали на Python
• Имеете опыт работы с данными: занимались сбором данных из сырых логов, формировали новые датасеты
• Обучали нейросети на распределённых кластерах
• Участвовали в ML-проектах полного цикла с привязкой к бизнес-потребностям

Будет плюсом, если вы

• Имеете практический опыт обучения диффузионных моделей
• Внедряли модели в прод через FastAPI+Docker, Triton Inference Server или любой другой фреймворк
• Программировали на C++
• Участвовали в соревнованиях по ML или программированию: ACM ICPC, Codeforces, Topcoder, Kaggle и т. д.
• Знаете правила дорожного движения, водили автомобиль или мотоцикл