ML инженер

Команда Detector Alignment входит в отдел восприятия Автономного транспорта. Она помогает автомобилю правильно видеть и понимать окружающую среду в любых условиях. Команда обрабатывает данные с камер, лидаров и радаров, разрабатывает нейросетевые алгоритмы и внедряет их в работу автомобиля. Сейчас команда объединяет компоненты восприятия в единое представление — 3D Occupancy Grid — на основе новой query-based модели и трансформерного бэкбона.

• Изучать современные методы прогнозирования занятости пространства в 3D на основе данных с камеры и объединения данных камеры и лидара;
• Оценивать применимость методов к сенсорной конфигурации и вычислительному бюджету и обосновывать выбор архитектуры;
• Проектировать работу 3D Occupancy Grid в трансформерной модели;
• Разбираться в устройстве voxel- и occupancy-запросов и работе cross-attention с признаками камер и лидаров;
• Определять способы избежать негативного переноса между задачами;
• Анализировать пайплайн генерации псевдоразметки для статических и динамических объектов;
• Собирать датасет карт занятости и создавать стабильный пайплайн его регулярного пополнения;
• Реализовывать и обучать модель, предсказывающую 3D Occupancy Grid;
• Оценивать работу модели с помощью метрик precision, recall, F1 и IoU по классам и дальностным зонам;
• Анализировать предсказания визуально и сравнивать разные подходы с текущими решениями;
• Постепенно заменять разные типы голов восприятия единым представлением в виде voxel grid;
• Сохранять качество работы в критичных сценариях;
• Оценивать и оптимизировать стоимость инференса в рамках текущего бюджета;
• Обеспечивать работу модели с ограничениями реального времени на целевом оборудовании;
• Доводить модель до стабильной работы на автомобиле;
• Повышать качество детекции с помощью лоссов, семплирования, аугментаций, self-supervised- и semi-supervised-подходов и дистилляции;
• Анализировать ошибки и работать с длинным хвостом сценариев;
• Обеспечивать устойчивую работу моделей в разную погоду и освещённость, на разных сенсорных конфигурациях и в новых географических зонах;
• Разрабатывать алгоритмы определения условий эксплуатации системы с учётом погоды, состояния дороги и деградации сенсоров.

• От 3 лет опыта;
• Уверенно обучаете нейросетевые модели и владеете PyTorch или TensorFlow и фреймворками поверх них;
• Разбираетесь в прикладном глубоком обучении и компьютерном зрении;
• Понимаете устройство трансформеров и механизма внимания и умеете осознанно менять архитектуру;
• Умеете работать с 3D-представлениями, BEV, voxel grids, проективной геометрией, калибровками и облаками точек;
• Способны самостоятельно вести исследовательскую задачу от обзора литературы и постановки метрик до выводов;
• Понимаете особенности ограничений реального времени и учитываете задержку при выборе архитектуры;
• Стремитесь использовать и распространять универсальные масштабируемые практики;
• Читаете статьи с ML-конференций и следите за развитием области;
• Будет плюсом опыт работы с query-based архитектурами восприятия, occupancy prediction или BEV-перцепцией, мультимодальными моделями и sensor fusion, multi-task-моделями, пайплайнами автоматической разметки и псевдоразметки, большими моделями, оптимизацией инференса под целевое оборудование и задачами автономного транспорта.

• Расширенная медицинская страховка с первого месяца работы;
• Оплачиваются 30 дней больничного в году;
• Доступны лечение и неотложная помощь за рубежом, страхование от несчастных случаев, лечение критических заболеваний, психологические консультации, чекапы, вакцинация, стоматология и коррекция зрения после года работы;
• Оплачиваются ведение беременности и роды для сотрудниц и жён сотрудников, работающих в компании более двух лет;
• Для детей и супругов доступна медицинская страховка по системе 80/20: компания оплачивает 80% стоимости;
• Офисы в Питере и Москве.