Ведущий ML-разработчик в команду контент-системы товарного поиска
Компания: Яндекс
О компании
Яндекс — один из крупнейших IT-компаний в России, предоставляющий широкий спектр интернет-сервисов и технологий. Среди ключевых продуктов компании — поисковая система, карты, облачные технологии и рекламные решения. Яндекс активно использует искусственный интеллект и машинное обучение для улучшения своих сервисов и разработки новых продуктов.
Ключевые факты:
- Основан в 1997 году
- Более 10 000 сотрудников
- Работает в более чем 10 странах
- Одна из ведущих интернет-компаний в России
- Обширный портфель продуктов и сервисов
О вакансии
Команда контент-системы товарного поиска в Яндексе сосредоточена на развитии решений, использующих технологии машинного обучения для улучшения качества поиска и рекомендаций. Ваша роль как ведущего ML-разработчика будет включать в себя работу с большими данными, обучение моделей и внедрение их в производственные системы, что ключевым образом влияет на пользовательский опыт.
Вы будете взаимодействовать с междисциплинарной командой, задачей которой является создание продуктивных решений для анализа товаров и их представления в сервисах компании. Ваша экспертиза позволит находить оптимальные подходы в работе с моделями, а также обеспечивать их высокое качество и эффективность.
Чем предстоит заниматься:
- Развивать идеи продукта в ML-задачи
- Обучать большие генеративные модели и улучшать их
- Обучать нейронные сети и модели градиентного бустинга
- Применять RL для качества моделей
- Управлять полным циклом работы с моделями
- Оптимизировать соотношение качества и скорости инференса
Что мы предлагаем:
- Работу в команде с высококвалифицированными специалистами
- Возможность применять новейшие технологии и алгоритмы
- Участие в крупных и интересных проектах
- Возможность обучения и развития в области ML
Обязанности
- Преобразование идей продуктов в ML-задачи
- Обучение генеративных моделей и анализ их поведения
- Обучение нейронных сетей и градиентного бустинга
- Использование RL для оптимизации моделей
- Выполнение полного цикла от сбора данных до внедрения модели
- Поиск компромиссов между качеством и скоростью моделей