ML-разработчик симуляции автономного автомобиля

Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Оценивать их только на реальных дорогах долго, дорого, а для некоторых сценариев практически невозможно. Поэтому в Яндексе мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде и быстро оценивать, как меняется поведение автомобиля в разных дорожных ситуациях, погодных условиях и на разных территориях.

• Вам предстоит работать над повышением базового качества нейросети для генерации траекторий машин и пешеходов.
• Задачи включают улучшение датасета (сбор, фильтрацию и предобработку данных), архитектурные доработки моделей, оптимизацию процесса обучения и инференса, а также исследование возможностей внедрения inpainting, различных conditioning и guidance для решения продуктовых задач.
• Удачные наработки затем нужно будет внедрять в продакшен своими силами и силами бэкенд-команды.
• Вторым фокусом будет участие в построении надёжной и автоматизированной системы оценки качества и приёмки новых версий модели.
• Нужно будет реализовывать в продакшен-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.

• Программировали на Python
• Работали с данными (сбор из сырых логов, формирование новых датасетов)
• Занимались генеративным CV
• Обучали нейросети на распределённых кластерах
• Участвовали в ML-проектах полного цикла с привязкой к бизнес-потребностям
• Имеете практический опыт обучения диффузионных моделей
• Внедряли модели в продакшен через FastAPI + Docker, Triton Inference Server или любой другой фреймворк
• Будет плюсом: Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, Topcoder, Kaggle и т. д.); Умеете программировать на C++; Знаете правила дорожного движения, водили автомобиль или мотоцикл

• Условий в вакансии нет