Разработчик системы принятия решений автопилота в команду автономного транспорта

Яндекс предлагает по-новому взглянуть на перемещение людей и доставку заказов. Мы делаем поездки безопасными и удобными, а наши автономные роботы уже доставляют заказы в нескольких странах.

Вместе с командой ML вам предстоит проводить различные эксперименты, исправлять проблемы и доводить эти эксперименты до релизного кода.

Разработка унифицированного фреймворка запуска нейросетевых пайплайнов

Мы разрабатываем пайплайн, в котором можно будет запускать пре-/пост-процессинг и нейронки. На него планируется перенести практически все ML-пайплайны в рантайме. Однако запуск непосредственно на машине лишь один из способов применения пайплайна, позже его планируется использовать, чтобы упростить обучение новых ML-моделей, более оптимально запускать симуляции и т. д.

Проведение экспериментов и выявление проблем

В планировании движения кроме самой нейронной сети участвует много компонент. Они делают на первый взгляд простую задачу (запустить нейронку и отдать траекторию на исполнение) сложной. Вам предстоит помогать ML-команде проводить эксперименты, анализировать результаты, делать выводы и искать решения, чтобы планирование становилось более предсказуемым, стабильным и безопасным.

Контроль за соответствием automotive-стандартам

Автономный транспорт — часть критической инфраструктуры, которая должна отвечать высоким требованиям к качеству и надёжности. Вам предстоит повышать и поддерживать качество кодовой базы в соответствии с этими требованиями.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Уверенно знаете C++ и STL, стандарт C++17
* На базовом уровне владеете Python
* Можете разобраться в чужом коде, а свой пишете так, чтобы он был понятен другим
* Знаете классические алгоритмы и структуры данных
* Умеете работать в команде

* Использовали нейронки, понимаете, как они работают, занимались их запуском или обучением
* Работали с акторной архитектурой