ML-разработчик в команду signal detection Автономного транспорта
Компания: Яндекс
Локация: Санкт-Петербург
О компании
Яндекс — это одна из крупнейших технологических компаний в России, активно работающая в области интернет-сервисов и высоких технологий. Компания предлагает разнообразные продукты, включая поиск, картографические сервисы, облачные технологии, а также решения в сфере машинного обучения и автономного транспорта.
Команда Яндекса занимается разработкой и внедрением передовых решений, поддерживая свои продукты на высоком уровне в условиях постоянного роста и изменения рыночных запросов.
Ключевые факты:
- Год основания: 1997
- Более 15 тысяч сотрудников
- Активное развитие в области AI и ML
- Широкая сеть пользователей по всему миру
- Ведущие позиции на российском рынке интернет-услуг
О вакансии
Команда signal detection в Яндексе занимается распознаванием сигналов и намерений окружающего мира, используя видеопотоки. Основная цель — создать универсальную архитектуру, способную обрабатывать различные домены и задачи в согласованную систему. Кроме того, команда работает над моделями, которые обеспечивают оператору высокую точность и временную стабильность сигналов, что напрямую влияет на отработку манёвров автомобилей в реальных условиях.
Специалисты команды будут заниматься построением и развитием ML-систем, включая разработку архитектур, которые могут масштабироваться на много задач, а также управлением end-to-end процессами, что позволяет по-настоящему влиять на итоговые архитектурные решения. Важно учесть влияние real-time-продакшена на производительность и стабильность моделей.
Чем предстоит заниматься:
- Проектировать и развивать ML-системы для обработки видеоданных
- Создавать универсальные архитектуры, для обобщения на разные задачи
- Организовывать воспроизводимые циклы экспериментов в рамках глубокого обучения
- Учитывать ограничения real-time-продакшена в модели
- Работать с большими датасетами и извлекать нужные данные из шумных источников
Что мы предлагаем:
- Участие в разработке передовых технологий в автономном транспорте
- Возможность влиять на архитектурные решения и конечный результат
- Применение современных фреймворков глубокого обучения
Обязанности
- Проектирование и развитие машинного обучения для видеоданных
- Создание универсальных архитектур для распознавания сигналов
- Организация воспроизводимых циклов экспериментов
- Учет ограничений real-time-продакшена в разработке моделей
- Работа с большими объемами данных и извлечение сигнала из шумов