- 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
- Deep Learning
- Algorithms
- RecSys
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
ML разработчик (Middle)
Middle Data Science (Проект Альфа)
Middle / Middle+ Инженер данных Бизнес-домена
Middle инженер данных
Data инженер Middle+
Middle / Middle+ ML разработчик
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!
- Страна
- Россия