ML-инженер в команду разработки робота доставки

Ориентир по рынку≈ 296 000 – 386 000 ₽наша приблизительная оценка по 9 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 3,6 тыс.–4,7 тыс. $

🔄 ГибридMiddleПолная занятостьКорпорация

≈ 296 000 – 386 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Наша компания

В подразделении автономного транспорта мы создаём и масштабируем решения, которые работают в реальном физическом мире и интегрированы в сложные логистические и операционные процессы. Внутри подразделения рободоставки запускается новое техническое направление, позволяющее качественно расширить возможность роботов доставки и их функционал. Расширение функционала требует решения существенно новых задач, разработки новых технологических подходов почти во всех областях автономного транспорта: архитектуре, ключевых алгоритмах восприятия, локализации и планирования, а также в логистике и эксплуатации

О роли

Мы ищем сильного разработчика в команду, которая пройдёт путь от первых прототипов до сформировавшегося продукта.

Чем предстоит заниматься

Разработка и адаптация новых подходов

Новые методы машинного обучения в автономном вождении и робототехнике появляются каждый день. Их необходимо адаптировать к разрабатываемому роботу, создавать на их основе новые подходы и проводить тщательное обучение, включая отбор данных, их очистку, настройку конвейеров обучения и анализ результатов

Адаптация алгоритмов под ограничения вычислителей

Мы разрабатываем полезных роботов, которые должны выполнять свою функцию и приносить компании прибыль. Поэтому мы ограничены в мощности вычислителей и в наборе сенсоров. Вместе с тем у нас накоплено значительное количество данных и моделей, которые надо разместить на нашем вычислителе. Уместить все модели в ограниченном объёме памяти и производительности — творческая задача. Мы используем различные методы квантизации моделей, оптимизации их архитектур и методы переноса знаний (Transfer Learning) для её решения

Развитие пайплайна и ML-моделей

Разработка робота требует создания и развития не только моделей внутреннего поведения (локализации, навигации, восприятия), но и моделей внешней среды. Вы будете изучать существующий пайплайн построения векторных карт и улучшать его, разрабатывать и обучать ML-модели для извлечения и векторизации элементов дорожной инфраструктуры. Нужно будет исследовать и внедрять новые подходы из научных статей (CV, ML, 3D, multimodal learning), предлагать и реализовывать собственные идеи и алгоритмы. Вам предстоит работать с реальными данными автономного транспорта (сенсоры, разметка, шум, масштаб), участвовать в полном цикле R&D — от идеи и экспериментов до продакшен-решений, а также анализировать качество моделей и влиять на метрики безопасности и надёжности

Больше об ML в Яндексе — в канале Yandex for ML

Наши требования

Разрабатывали ML-алгоритмы от сбора данных до эксплуатации в продукте

Имеете широкий кругозор в методах ML, в особенности в областях робототехники (локализация, планирование маршрута, распознавание)

Имеете опыт профилирования и адаптации нейросетевых алгоритмов под платформы с ограниченной вычислительной мощностью (квантизация, прунинг, Transfer Learning)

Умеете работать в команде

Ответственны и организованны

Знаете классические методы ML: методы агрегирования (бустинг, бэггинг), машины опорных и релевантных векторов (SVM, RVM), методы условной и выпуклой оптимизации