ML-техлид в команду планирования робота-доставщика
Компания: Яндекс
О компании
Яндекс — один из крупнейших интернет-компаний в России, предоставляющий широкий спектр онлайн-сервисов, включая поисковые системы, сервисы для такси, доставки и кибербезопасности. Яндекс активно внедряет технологии искусственного интеллекта и машинного обучения в свои продукты, и команда работает над развитием инновационных решений, таких как робототехника и автоматизация.
Ключевые факты:
- Год основания: 1997
- Количество сотрудников: более 10,000
- Основные продукты: поиск, Яндекс.Такси, Яндекс.Маркет, Яндекс.Доставка
- Штаб-квартира: Москва
О вакансии
В команде по разработке планирования робота-доставщика Яндекс вы станете техническим лидером. Ваша роль будет заключаться в координации проектов, которые требуют взаимодействия с несколькими командами. Вы будете работать над внедрением современных подходов к автопланированию и обеспечите высокое качество инженерной практики внутри команды.
Вы будете заниматься адаптацией передовых методов, основанных на трансформерах, для создания системы, способной эффективно справляться со сложными сценами в реальных условиях. Это потребует от вас анализа данных и умения выявлять ситуации с узкими проездами и большим количеством объектов вокруг робота.
Важной частью вашей работы станет разработка инструментов для интерпретации моделей и интроспекции, позволяющих отлаживать сложные кейсы. Эти инструменты должны быть масштабируемыми для использования в многочисленном парке роботов.
Чем предстоит заниматься:
- Вести проекты, взаимодействуя с несколькими командами
- Повышать уровень инженерной культуры в команде
- Внедрять SOTA-подходы в автопланировании
- Адаптировать методы из статей для продакшен-моделей
- Разрабатывать инструменты для интроспекции моделей
Что мы предлагаем:
- Участие в разработке передовых технологий
- Возможность влиять на инженерные процессы
- Работа с высококлассными специалистами в области ML
Обязанности
- Координация проектов, затрагивающих несколько команд
- Внедрение передовых методов автопланирования
- Адаптация подходов из статей для продакшен-моделей
- Работа с данными для анализа сложных сцен
- Разработка инструментов для интроспекции моделей