ML-разработчик в команду 3D-реконструкции
Компания: Яндекс
О компании
Компания Яндекс активно работает в области разработки онлайн-сервисов и технологий, включая искусственный интеллект и машинное обучение. Являясь лидером на российском рынке, Яндекс предлагает широкий спектр продуктов, от поисковых систем до облачных решений и систем рекомендаций.
Масштаб компании позволяет эффективно разрабатывать инновации и внедрять их в реальные продукты, что подтверждают регулярные научные публикации и достижения в области исследований.
Ключевые факты:
- Лидер на российском рынке технологий
- Широкий спектр продуктов в различных отраслях
- Международные исследования и публикации в области AI и ML
- Разработка новых методов в области 3D-реконструкции и симуляции
О вакансии
В команде 3D-реконструкции Яндекса разрабатываются передовые технологии для создания симуляций сенсоров, которые используются в автономном транспорте. Это включает в себя разработку цифровых двойников, управление аватарами и генерацию событий в абстрактном мире. Команда нацелена на создание реалистичных сценариев, необходимых для тренировки, тестирования и улучшения автономных систем.
На данный момент команда достигла значительных результатов в области научной активности, включая патенты и участие в международных конференциях. Основное внимание уделяется созданию сложных методов, таких как Gaussian Splatting, для создания объемных видео и взаимодействия со сложными физическими данными.
Чем предстоит заниматься:
- Участвовать в разработке алгоритмов машинного обучения и симуляции сенсоров
- Проводить эксперименты и проверять гипотезы в реальных условиях
- Работать с данными, моделями и оборудованием для улучшения систем
- Сотрудничать с другими командами для достижения общих целей
Что мы предлагаем:
- Возможность работать над передовыми проектами в области AI
- Участие в международных научных конференциях
- Доступ к современным исследованиям и технологиям в 3D-реконструкции
Обязанности
- Разработка алгоритмов для симуляции сенсоров
- Проведение экспериментов и проверка гипотез
- Работа с физическими данными и оборудованием
- Сотрудничество с междисциплинарными командами
- Создание моделей для обучающих систем