Highlights летней ML‑стажировки в StarLine и проекты, которые выполнили стажёры: - Успешные испытания детектора столбов и дорожных работ: нехватка данных, рискованные гипотезы, но всё получилось и проверено на тестовом полигоне на беспилотном тягаче. - Определение угла залома прицепа по лидарным данным: стабильные результаты и погрешность в доли градуса. - Подтверждение гипотезы: стажёр с навыками робототехники и начальными знаниями ML за неделю запускает Reinforcement Learning дев‑кит и может пробовать обучать агентов для решения широкого спектра задач — от настройки регуляторов до планирования движения. За оставшееся время стажёры довезли классных Quality of Life‑фич: - Автоматизация разметки через модельку. Вероятно, наша команда теперь будет реже привлекать разметчиков изображений. (Гифка с зелёными столбами — это автоаннотация.) - Сборка пайплайна распознавания речи с выделением спикеров и саммари разговора. Закрытый бета‑тест в сентябре! Выводы: стажёр‑студент при правильном подборе имеет отрицательный КПД в первый месяц онбординга, а далее, особенно если удаётся сформировать из стажёров команду (как в нашем случае), способен - как разведывать перспективные направления, так и коммитить в реальные проекты. ML, как и любая разработка, — это не вещь в себе, а область знаний, где рулят эффективные процессы, пытливый ум и мотивация. А этого у стажёров хоть отбавляй. Спасибо стажёрам за классное лето — было, на самом деле, весело и продуктивно. Надеюсь, практику стажировок вскоре продолжим, о чём непременно сообщим по всем каналам связи, включая этот.