ML-инженер в команду рекламной монетизации Алисы
Компания: Яндекс
О компании
Яндекс — одна из ведущих IT-компаний в России и СНГ, известная своими поисковыми услугами и инновационными продуктами в области технологий и рекламы. Компания активно развивает решения на основе машинного обучения и искусственного интеллекта, включая голосового помощника Алису.
Ключевые факты:
- Основана в 1997 году
- Более 10 000 сотрудников
- Один из лидеров на рынке онлайн-рекламы в России
- Широкий спектр продуктов, включая поисковую систему, карты и сервисы облачной инфраструктуры.
О вакансии
В команде, занимающейся рекламной монетизацией Алисы, ваша задача — развивать и внедрять решения на основе машинного обучения, направленные на эффективное размещение рекламы в ответах пользователя. Команда сосредоточена на различных подходах к монетизации, сочетая рекламные вставки и нативные интеграции с целью повышения полезности ответов для пользователей.
Построение систем будет происходить практически с нуля. Вы будете проектировать ML-пайплайны, заниматься инференсом моделей, собирать и обрабатывать датасеты, а также запускать обучение и проводить эксперименты с целью оценки их влияния на бизнес-метрики.
Взаимодействие с другими командами и понимание продуктового контекста играют ключевую роль в успешной реализации проектов. Ваши решения будут нацелены на повышение качества пользовательского опыта и рекламной эффективности в взаимодействии с пользователями через разные платформы.
Чем предстоит заниматься:
- Проектирование ML-пайплайнов и моделей обучения
- Работа с данными и контролирование их качества
- Оценка и адаптация моделей под прикладные сценарии
- Проведение экспериментов с пользовательскими и бизнес-метриками
- Оптимизация рекламы в LLM-ответах на основе данных
Что мы предлагаем:
- Работа в команде над инновационными ML-решениями
- Возможность работать с большими объемами данных
- Участие в разработке рекламных форматов для различных поверхностей
- Хорошие возможности для профессионального роста в области LLM и рекламы
Обязанности
- Проектировать ML-пайплайны и внедрять модели обучения
- Работать с инференсом моделей на крупных объемах трафика
- Собирать и обрабатывать датасеты для экспериментов
- Оценивать производительность и адаптировать модели к продуктам
- Проводить A/B тесты и анализировать их результаты