Яндекс·Москва·5 дн назад
ML-разработчик в команду симуляции проезда автономного автомобиля в Автономный транспорт
Ориентир по рынку≈ 150 000 – 335 000 ₽наша приблизительная оценка по 88 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.
3 из 4 в норме
Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться
Деньги
Сумму в объявлении не указали. Ориентир на созвон: столько платят в 88 похожих вакансиях Разработчик уровня Middle.
Живость
Опубликована 5 дней назад. Свежие вакансии почти всегда живые.
Описание
Обязанности: 5, требования: 10. Понятно, что за работа, ещё до отклика.
Что требуют
ОбязательноMLPython
ПлюсомFastAPIDockerC++
Надбавка к зарплате на этом уровне: Python +40%.
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Наша компания
Привет! Меня зовут Ваня, я руковожу командой реалистичности машин и пешеходов в Симуляторе. Ищу крутого ML-разработчика, который будет решать сложные задачи генерации трафика с опорой на передовые подходы индустрии и помогать внедрять свои наработки в наш продукт. Иван Захаров
О роли
Старший разработчик Больше о команде
Чем предстоит заниматься
Улучшение качества и разработка новых функций модели
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
Разработка фреймворка приёмки моделей
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
Больше об ML в Яндексе — в канале Yandex for ML
Наши требования
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
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
