Аналитик качества автопилота

Ключевые аспекты, определяющие качество автономного автомобиля, — это безопасность, удобство и эффективность. Тщательный анализ эффективности работы технологии — важный шаг на пути к широкому распространению автономного транспорта.

Специалисты по анализу качества работают вместе с исследовательскими и инженерными командами на каждом этапе разработки программного обеспечения, чтобы технология автопилота соответствовала высоким стандартам безопасности, нормам и требованиям к вождению.

Для оценки качества используются различные подходы. Помимо сбора данных с реальных дорог, мы также создаём синтетические проезды с помощью технологии симуляции. Это позволяет проанализировать поведение автомобиля в виртуальной среде, быстро выявить и сравнить, как меняется поведение машины при движении в различных погодных условиях и дорожных ситуациях.

Разработка подходов к оценке систем автономного вождения
Вам предстоит создавать методики и критерии для оценки алгоритмов автопилота на реальных дорогах и в виртуальном окружении.

Создание и развитие системы метрик качества
Вы будете разрабатывать показатели, которые позволят более точно оценивать комфорт, эффективность и надёжность систем автономного вождения.

Разработка новых статистических методов для анализа и оценки
Предстоит создавать методы анализа данных — например, комбинировать реальные и синтетические данные — для улучшения точности оценок и анализа тенденций.

Формулирование и решение сложных задач
Вас ждёт работа над сложными задачами, связанными с автономным вождением, включая систематизацию предметной области, анализ данных, составление выводов и рекомендаций на основе полученных результатов.

Помощь в принятии решений
Вы будете поддерживать специалистов по машинному обучению, разработчиков и инженеров по качеству в выборе оптимальных решений на основе данных.

• Владеете SQL и Python Data Science Stack
• Работали в CV/ML-based-проектах
• Работали с экосистемами для обработки больших данных, например с Hadoop
• Уверенно знаете статистику для проверки гипотез и проведения экспериментов
• Проектировали модели данных и архитектуру метрик
• Можете изучать и анализировать профильную литературу и научные работы на английском языке

• Команда автономного транспорта насчитывает 600 человек и очень быстро растёт.
• Вы будете работать с ML-разработчиками, инженерами по качеству ПО, командами разметки данных.
• Ваши непосредственные коллеги — пять аналитиков качества автопилота легкового и грузового транспорта.
• Тимлид команды — Антон Марцен, инженер и аналитик с 10-летним опытом работы в продуктах на основе данных, автор телеграм-канала Product Science.
• Задачи поступают от CTO, Head of QA и ML-лидов, вместе с тимлидом декомпозируются и приоритизируются.