Разработчик ML/CV в команду AI-картографирования

Ежедневно миллионы людей пользуются Яндекс Картами, чтобы сориентироваться на местности или добраться из точки А в точку Б пешком, на автомобиле или общественном транспорте. Чтобы поддерживать актуальность карты, нам нужно следить за изменениями в реальном мире, собирать достоверные сигналы с местности, интерпретировать их и в результате обновлять карту.

Изменения происходят по разным причинам:

• дорожные службы планово изменили схему движения и установили дорожный знак или изменили разметку дорожного полотна;
• движение по мосту перекрыли из-за аварии;
• жители дома установили шлагбаум на въезде во двор;
• кто-то построил новый дом;
• сменилась вывеска на фасаде дома, потому что открылось новое кафе.

Ключевая цель нашей команды — сократить время между изменениями в реальном мире и их отображением на карте. Чтобы достичь этого, мы используем ML для обнаружения изменений по GPS-трекам, детектирования объектов дорожной инфраструктуры на фотографиях, интерпретации собранных данных и внесения изменений в карту.

У нас сильная команда, которая уже автоматизировала несколько постоянно действующих процессов. Например, мы создали процесс по добавлению на карту новых домов по спутниковым снимкам.

Какие задачи вас ждут

Развитие системы обнаружения изменений в дорожной инфраструктуре Вам предстоит развивать систему, которая помогает по фотографиям, GPS-трекам, сообщениям в интернете выявлять появление и исчезновение дорожных знаков, изменение дорожной разметки, открытие и перекрытие дорог.

Разработка системы автоматического обнаружения ошибок в карте Нужно будет разработать систему валидации согласованности данных карты и ground-truth-источников (фотографий, спутниковых снимков).

Создание copilot-режима в редакторе карты Вы будете создавать механизмы, которые ускорят внесение правок в карту за счёт автоматической суммаризации контекста и умных подсказок.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

Мы ждём, что вы

• Знаете С++, Python
• Хорошо понимаете принципы машинного обучения и применяли его на практике