- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-разработчик в группу релевантности рекламы
Оценка ИИЭто позиция в одной из сильнейших ML-команд страны с доступом к уникальным данным и технологиям. Яндекс предлагает отличный соцпакет и возможность работать над продуктом, которым пользуются миллионы людей.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью владения как Python, так и C++, а также глубокими знаниями в NLP и рекомендательных системах. Работа с высоконагруженными сервисами Яндекса требует навыков оптимизации моделей для real-time инференса.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для ML-специалистов такого уровня в Яндексе она обычно соответствует или превышает верхнюю границу рыночных ожиданий. Позиции, требующие знания C++ и опыта с LLM, традиционно оплачиваются выше среднего по рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Яндекс уже сейчас
Присоединяйтесь к команде Яндекса и создавайте будущее рекламы в диалоговых интерфейсах!
Описание вакансии
*🌐 ML-разработчик в группу релевантности рекламы*
Привет! Я Андрей, моя команда отвечает за релевантность рекламы в Поиске. Пользователи всё чаще решают свои задачи через LLM, и Алиса становится одной из ключевых точек входа в Яндекс. Мы строим рекламу для этого нового формата и ищем ML-специалиста, который поможет спроектировать весь путь подбора объявлений в диалоге — от кандидатогенерации до оценки релевантности.
Андрей Филипчик
Руководитель группы
Какие задачи вас ждут:
• Разработка моделей подбора рекламы в диалоговом контекстеАлиса ведёт с пользователем живой разговор, и реклама должна органично в него вписываться. Вам предстоит проектировать и обучать модели, которые учитывают историю диалога, интент пользователя, тональность и формат взаимодействия. Вы будете работать с редакторскими, асессорскими и модельными разметками, обрабатывать большие данные, обучать тяжёлые ML-модели и преобразовывать их в легковесные модели.
• Задачи на стыке RecSys и NLPПодбор рекламы в Алисе — это полноценный рекомендательный пайплайн. На этапе кандидатогенерации нужно за миллисекунды отобрать из сотен миллионов объявлений тысячи релевантных кандидатов. Мы работаем с эмбеддинговыми моделями, ANN-индексами и классическими подходами рекомендательных систем. На этапе ранжирования и оценки релевантности задача становится NLP-центричной: модели должны глубоко понимать смысл диалога и текст объявления, оценивать их семантическую близость и предсказывать, насколько реклама уместна в контексте разговора.
Мы ждём, что вы:• Знаете Python и C++
• Базово разбираетесь в алгоритмах и структурах данных
• Имеете опыт обучения моделей в области NLP: BERT, GPT и др.
• Знакомы с архитектурами рекомендательных систем
• Знакомы с A/B-тестированием
Будет плюсом, если вы:• Занимались дистилляцией и оптимизацией моделей для real-time-инференса
• Имеете опыт файнтюнинга моделей (RLHF, DPO)
Почему у нас хорошо:Наше ДМС поможет предотвратить болезни: в него входят регулярные чекапы и вакцинация. Это не все бонусы — полный список тут.
*📩* Откликнуться на нашем сайте
#рекламныые_технологии #поиск #AI #ML #NLP #LLM #python #CPP
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- A/B Testing
- C++
- Python
- LLM
- NLP
- RLHF
- DPO
- GPT
- BERT
- RecSys
- ANN
Возможные вопросы на собеседовании
Вакансия предполагает работу с огромными базами объявлений, где важна скорость.
Как бы вы спроектировали систему кандидатогенерации для отбора 1000 объявлений из 100 миллионов за 50 мс?
Работа ведется в контексте диалогов Алисы.
Какие подходы вы бы использовали для учета долгосрочного контекста диалога при оценке релевантности рекламного объявления?
В плюсах указана дистилляция моделей.
Расскажите о вашем опыте дистилляции тяжелых LLM в более легкие архитектуры. С какими трейд-оффами вы сталкивались?
Упоминается использование C++.
В каких случаях при разработке ML-сервисов в Яндексе вы бы предпочли реализовать часть логики на C++, а не на Python?
Упоминается RLHF и DPO.
Как методы обучения с подкреплением на основе обратной связи от человека (RLHF) могут помочь в задаче органичного вписывания рекламы в диалог?
Похожие вакансии
Аналитик/MLE в команду эффективности
Data Scientist
Data Engineer / DataOps Engineer
Аналитик / MLE (Middle/Senior/Staff) в команду эффективности
Data Scientist Middle
Data инженер (Middle+)
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!