- Страна
- Россия
Откликайтесь
на вакансии с ИИ

Миддл ML-разработчик в команду MediaAI
Работа в одной из лучших инженерных команд страны над продуктами с огромной аудиторией. Отличные возможности для профессионального роста, сильный соцпакет и работа с передовыми технологиями (LLM, RecSys).
Сложность вакансии
Позиция требует уверенных знаний в области LLM и рекомендательных систем (RecSys), а также умения работать в высоконагруженной среде Яндекса. Процесс отбора в компанию традиционно включает несколько этапов сложных технических интервью по алгоритмам и ML-системам.
Анализ зарплаты
В вакансии не указана зарплата, но для уровня Middle ML в Яндексе рыночные ожидания составляют от 250 000 до 400 000 рублей после налогов, плюс значительные годовые бонусы и опционы (RSU). Это соответствует или слегка превышает средние показатели по российскому рынку для данной квалификации.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Яндекс уже сейчас
Присоединяйтесь к команде Плюс Фантеха и создавайте будущее рекомендательных систем для миллионов пользователей Яндекса!
Описание вакансии
Миддл ML-разработчик в команду MediaAI
в Плюс Фантех Яндекса — сервис, объединяющий Плюс, Музыку, Кинопоиск, Книги и Яндекс Афишу.
Офис или гибридный формат работы.
Ищет Александр Сафронов, его Откликнуться.
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- Machine Learning
- LLM
- RecSys
- Algorithms
- Deep Learning
Возможные вопросы на собеседовании
Яндекс уделяет большое внимание алгоритмической подготовке кандидатов.
Решите задачу на динамическое программирование или обход графов (стандартный этап алгоритмической секции).
Вакансия предполагает работу на стыке LLM и RecSys.
Как можно использовать эмбеддинги из предобученных языковых моделей для улучшения качества рекомендаций в сервисе Кинопоиск?
Важно понимать, как кандидат оценивает эффективность своих моделей.
Какие офлайн и онлайн метрики вы бы использовали для оценки качества новой рекомендательной системы в Яндекс Музыке?
Работа с большими данными требует понимания инфраструктуры.
Расскажите о вашем опыте работы с распределенными вычислениями и инструментами вроде PySpark или MapReduce.
Проверка глубины знаний в области глубокого обучения.
В чем заключаются основные отличия архитектуры Transformer от классических RNN в контексте обработки последовательностей для рекомендаций?
Похожие вакансии
Data инженер (Middle)
Middle+ Data Engineer
Backend / ML Infrastructure / MLOps инженер
Data Engineer Middle
Data Scientist (Модели оценки качества), Диалоговый ИИ и ML сервисы
Специалист по науке о данных прогнозирования
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!