ML-разработчик в Плюс (AI)

Яндекс Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 35 миллионов подписчиков каждый день используют разные возможности: слушают «Мою волну» в Музыке, получают кешбэк в Такси, Еде, на Маркете и в других сервисах Яндекса, смотрят кино на Кинопоиске.

ML-команда Яндекс Плюса создаёт будущее персонализированного взаимодействия с пользователями. Мы разрабатываем интеллектуальные системы на стыке классического машинного обучения и передовых LLM-технологий, которые помогают миллионам подписчиков максимально эффективно использовать сервисы экосистемы. Наша цель — создать персонального ассистента, который будет сопровождать пользователя на всех этапах жизни подписки: от выбора оптимального тарифа до ведения адресных и осмысленных коммуникаций, которые углубляют вовлечённость.

Задачи и обязанности

Выдвижение гипотез и проведение A/B-экспериментов

Вы будете предлагать и тестировать новые идеи, чтобы с помощью LLM и классических ML-моделей повышать эффективность продуктовых механик для наших подписчиков.

Разработка и развитие генеративных пайплайнов

Вам предстоит собирать и готовить данные, выбирать ML-подходы для построения агентской системы коммуникации с пользователем, формулировать метрики качества и проверять гипотезы в A/B-тестах.

Написание продакшен-кода на Java

Наша команда реализует гипотезы вокруг LLM и ML, оборачивает модели в сервисы на Java и выводит их в продакшен. Вам предстоит писать надёжный и эффективный код.

Взаимодействие со смежными командами

Вы будете работать в большой кросс-функциональной команде, тесно взаимодействовать с аналитиками, разработчиками и продакт-менеджерами из разных сервисов экосистемы.

Больше об ML в Яндексе — в канале Yandex for ML

Требования

• Понимаете принципы классического ML
• Хорошо знакомы с Python и SQL
• Понимаете принципы работы генеративных моделей (LLM), умеете использовать их в реальных задачах и знаете, как строятся RAG-системы
• Можете демонстрировать бизнесу результаты исследований и аргументированно отстаивать свою точку зрения
• Готовы разрабатывать полный цикл внедрения ML-решений: от обработки данных до вывода в продакшен и поддержки сервиса

Дополнительные требования

• Занимались разработкой чат-ботов или ассистентов (систем взаимодействия с пользователем) на базе LLM
• Программировали на Java или C++
• Разрабатывали бэкенд-сервисы
• Реализовывали собственные pet-проекты в области LLM или RAG