ML-инженер в Карты
Геопоиск Яндекс Карт ежедневно помогает миллионам людей во всём мире находить нужные места. Приходите развивать мультиязычные NLP-модели и улучшать ранжирование поиска для разных стран. Ждём, что вы хотите и умеете работать с современными нейросетевыми технологиями и готовы писать код на C++ и SQL.Развитие мультиязычных NLP-моделей
Вам предстоит учить наш поиск понимать запросы на разных языках, извлекать из них сущности (что ищем, где, с какими атрибутами) и справляться с опечатками и неформальными формулировками. Улучшение ранжирования поиска для разных стран
Вы будете создавать и обучать классические и нейросетевые модели, которые будут выстраивать топ организаций с учётом локальной специфики: популярности, отзывов на местном языке, транспортной доступности и десятков других факторов. A/B-тесты и внедрение моделей
Нужно будет разрабатывать пайплайны для быстрой проверки гипотез и выкатывать в продакшн только те решения, которые доказали свою эффективность на реальных пользователях. Построение векторных представлений
Мы используем state-of-the-art-архитектуры для создания единого семантического пространства, где запрос «a cozy place for dinner» и турецкое название ресторана с соответствующими отзывами будут находиться рядом. Это позволяет нам находить релевантные места, даже если в их описании нет прямых ключевых слов. Генеративные подходы
Мы исследуем, как генеративные модели могут помочь в понимании сложных, развёрнутых запросов («ищу недорогое кафе, куда можно с собакой и где есть розетки для ноутбука») и даже в формировании персонализированных ответов-рекомендаций для пользователя. Больше об ML в Яндексе — в канале Yandex for ML* Разбираетесь в классических алгоритмах машинного обучения * Хотите работать с современными нейросетевыми технологиями и имеете такой опыт * Уверенно владеете Python * Готовы писать код на C++ и SQL (у вас нет «аллергии» на эти языки) * Знаете базовые алгоритмы и структуры данных
Вам предстоит учить наш поиск понимать запросы на разных языках, извлекать из них сущности (что ищем, где, с какими атрибутами) и справляться с опечатками и неформальными формулировками. Улучшение ранжирования поиска для разных стран
Вы будете создавать и обучать классические и нейросетевые модели, которые будут выстраивать топ организаций с учётом локальной специфики: популярности, отзывов на местном языке, транспортной доступности и десятков других факторов. A/B-тесты и внедрение моделей
Нужно будет разрабатывать пайплайны для быстрой проверки гипотез и выкатывать в продакшн только те решения, которые доказали свою эффективность на реальных пользователях. Построение векторных представлений
Мы используем state-of-the-art-архитектуры для создания единого семантического пространства, где запрос «a cozy place for dinner» и турецкое название ресторана с соответствующими отзывами будут находиться рядом. Это позволяет нам находить релевантные места, даже если в их описании нет прямых ключевых слов. Генеративные подходы
Мы исследуем, как генеративные модели могут помочь в понимании сложных, развёрнутых запросов («ищу недорогое кафе, куда можно с собакой и где есть розетки для ноутбука») и даже в формировании персонализированных ответов-рекомендаций для пользователя. Больше об ML в Яндексе — в канале Yandex for ML* Разбираетесь в классических алгоритмах машинного обучения * Хотите работать с современными нейросетевыми технологиями и имеете такой опыт * Уверенно владеете Python * Готовы писать код на C++ и SQL (у вас нет «аллергии» на эти языки) * Знаете базовые алгоритмы и структуры данных