ML-разработчик в команду товарного поиска
Наша команда развивает многоуровневую систему товарного поиска Яндекса. Мы ищем ML-разработчика, который будет вместе с нами улучшать модели отбора и ранжирования товарных предложений. Приходите, если обучали и внедряли нейросетевые модели и знаете принципы работы рекомендательных систем.Развитие товарной кандидатогенерации
Первый этап поиска — отбор кандидатов из многомиллиардной базы товарных предложений. Для этого мы внедряем нейросетевые модели — именно они пришли на смену простым текстовым подходам. Вам предстоит обучать большие модели на миллиардах строк логов, работать с HNSW-индексами и встраивать алгоритмы в рантайм высоконагруженного сервиса. Разработка новых факторов для ранжирования
Какой смартфон популярнее? Доставляет ли магазин в нужный регион? Модели должны отвечать на эти и другие вопросы, используя сотни факторов. Вы будете разрабатывать и внедрять новые счётчики и факторы, которые напрямую влияют на качество поисковой выдачи. Персонализация товарных рекомендаций
Наш пользователь мужчина или женщина? Он предпочитает «дикие ягоды» или «русский Amazon»? Персонализация товарных рекомендаций — вишенка на торте: для решения этой задачи мы используем современные рекомендательные трансформеры. Вам предстоит экспериментировать с передовыми архитектурами нейросетей для рекомендаций и адаптировать их для домена товарного поиска. Больше об ML в Яндексе — в канале Yandex for ML* Обучали и внедряли нейросетевые модели * Работали с DL-фреймворками Python: PyTorch и PyTorch Lightning * Понимаете основы машинного обучения и рекомендательных систем * Умеете работать с большими объёмами данных* Работали с технологиями поиска по товарам на маркетплейсах * Разрабатывали на C++ * Оптимизировали ML-модели для продакшена * Работали с высоконагруженными системами * Знакомы с современными методами RecSys и следите за исследованиями в этой области
Первый этап поиска — отбор кандидатов из многомиллиардной базы товарных предложений. Для этого мы внедряем нейросетевые модели — именно они пришли на смену простым текстовым подходам. Вам предстоит обучать большие модели на миллиардах строк логов, работать с HNSW-индексами и встраивать алгоритмы в рантайм высоконагруженного сервиса. Разработка новых факторов для ранжирования
Какой смартфон популярнее? Доставляет ли магазин в нужный регион? Модели должны отвечать на эти и другие вопросы, используя сотни факторов. Вы будете разрабатывать и внедрять новые счётчики и факторы, которые напрямую влияют на качество поисковой выдачи. Персонализация товарных рекомендаций
Наш пользователь мужчина или женщина? Он предпочитает «дикие ягоды» или «русский Amazon»? Персонализация товарных рекомендаций — вишенка на торте: для решения этой задачи мы используем современные рекомендательные трансформеры. Вам предстоит экспериментировать с передовыми архитектурами нейросетей для рекомендаций и адаптировать их для домена товарного поиска. Больше об ML в Яндексе — в канале Yandex for ML* Обучали и внедряли нейросетевые модели * Работали с DL-фреймворками Python: PyTorch и PyTorch Lightning * Понимаете основы машинного обучения и рекомендательных систем * Умеете работать с большими объёмами данных* Работали с технологиями поиска по товарам на маркетплейсах * Разрабатывали на C++ * Оптимизировали ML-модели для продакшена * Работали с высоконагруженными системами * Знакомы с современными методами RecSys и следите за исследованиями в этой области