ML Engineer RecSys в Еду
Яндекс Еда — сервис доставки из ресторанов и магазинов с миллионами пользователей и заказов. Для ML это большой объём данных, быстрые A/B и высоконагруженные реал-тайм-задачи. Ищем ML-разработчика, который будет участвовать в проработке решений на основе машинного обучения.Ответственность за все стадии ML-проектов
Вам предстоит участвовать в проработке решений на основе машинного обучения, сводить бизнес-требования к ML-задаче, разрабатывать ML-пайплайны, проверять идеи в A/B-экспериментах. Улучшение продукта
Недостаточно ранжировать по релевантности: нужно учитывать доступность, загрузку, время и стоимость доставки, смешивание с рекламной выдачей. Вы будете искать точки роста, предлагать и отстаивать идеи по развитию ранжирования, внедрять передовые разработки, запускать рекомендации на новых поверхностях и вертикалях. Вывод решений в продакшн
Наши модели работают в реал-тайм-сервисах, обрабатывающих сотни запросов в секунду. Вам предстоит писать продакшн-код, тестировать и при необходимости оптимизировать его. Взаимодействие со смежными командами
Вы будете тесно работать с продуктовыми командами, аналитиками и MLOps-инженерами: решать общие задачи, запускать эксперименты и защищать результаты. Больше об ML в Яндексе — в канале Yandex for ML* Разрабатывали на Python или C++ * Хорошо знаете и применяли методы анализа данных и ML * Готовы вести полный цикл внедрения ML-решений: от обработки данных до внедрения в продакшн* Разрабатывали рекомендательные системы или поиск * Работали с высоконагруженными реал-тайм-системами
Вам предстоит участвовать в проработке решений на основе машинного обучения, сводить бизнес-требования к ML-задаче, разрабатывать ML-пайплайны, проверять идеи в A/B-экспериментах. Улучшение продукта
Недостаточно ранжировать по релевантности: нужно учитывать доступность, загрузку, время и стоимость доставки, смешивание с рекламной выдачей. Вы будете искать точки роста, предлагать и отстаивать идеи по развитию ранжирования, внедрять передовые разработки, запускать рекомендации на новых поверхностях и вертикалях. Вывод решений в продакшн
Наши модели работают в реал-тайм-сервисах, обрабатывающих сотни запросов в секунду. Вам предстоит писать продакшн-код, тестировать и при необходимости оптимизировать его. Взаимодействие со смежными командами
Вы будете тесно работать с продуктовыми командами, аналитиками и MLOps-инженерами: решать общие задачи, запускать эксперименты и защищать результаты. Больше об ML в Яндексе — в канале Yandex for ML* Разрабатывали на Python или C++ * Хорошо знаете и применяли методы анализа данных и ML * Готовы вести полный цикл внедрения ML-решений: от обработки данных до внедрения в продакшн* Разрабатывали рекомендательные системы или поиск * Работали с высоконагруженными реал-тайм-системами