- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-разработчик в группу семантических нейротехнологий
Оценка ИИИсключительная вакансия от лидера рынка с доступом к уникальным вычислительным ресурсам (сотни GPU) и сложным, передовым задачам в области LLM. Отличный социальный пакет и возможность работы над продуктом, которым пользуются миллионы людей.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний в области NLP, агентских систем и LLM, а также умением работать с масштабными экспериментами на сотнях GPU. Требуется сильная математическая база и опыт end-to-end разработки в высоконагруженных сервисах.
Анализ зарплаты
Оценка ИИЗарплаты в Яндексе для ML-специалистов такого уровня обычно соответствуют верхнему децилю рынка РФ. Учитывая сложность задач (LLM, агенты), компенсация может значительно превышать средние показатели по рынку, особенно с учетом бонусов и опционов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Яндекс уже сейчас
Присоединяйтесь к команде Поиска Яндекса и создавайте будущее семантического поиска с использованием LLM и агентских систем!
Описание вакансии
*❤️ ML-разработчик в группу семантических нейротехнологий*
*⚡️* Вакансия участвует в Weekend Offer ML 12–13 сентября. Откликнуться.
Привет! Я Слава, руковожу группой семантических технологий в Поиске Яндекса. Мы помогаем пользователям находить качественные и релевантные документы. Используем для этого LLM и информационный поиск. У нас сотни GPU для экспериментов: ставим масштабные эксперименты и за счёт этого приобретаем уникальный опыт. Я ищу NLP инженера, который будет end-to-end решать ML-задачи. Например, ему предстоит делать фреймворк для сборки агентов и затем дистиллировать разметку агентов в модели-классификаторы.
Святослав Шишкин
Руководитель группы
Какие задачи вас ждут:
• Разрабатывать агентские системыДля дальнейшего роста качества Поиска нам нужны агенты, способные понимать смысл запроса, определять релевантность страниц и оценивать их качество. Вам предстоит строить системы, которые смогут собирать и оркестрировать агентов для решения этих задач.
• Обучать генеративные моделиНаши продакшен-модели обучаются на миллионах пар «запрос — документ». Размечать такие датасеты с помощью сложных агентских пайплайнов дорого, поэтому вам нужно будет дистиллировать знания агентских систем в более лёгкие ML-модели.
• Разрабатывать ML-компоненты end-to-endВы будете отвечать за полный цикл разработки от идеи и эксперимента до интеграции в зрелый продакшен-сервис. Вам предстоит находить точки роста в моделях, формулировать и проверять исследовательские гипотезы.
Мы ждём, что вы:
• Глубоко разбираетесь в современном NLP, особенно в агентских системах
• Умеете проектировать ML-системы
• Уверенно пишете на Python и работаете с SQL и PyTorch
• Обладаете хорошей базой в теории вероятностей и математической статистике
Почему у нас хорошо:Мы предоставляем полный набор, который поможет уберечься от тревожности и выгорания: ежегодные медицинские чекапы, йога и психотерапия. Это не все бонусы — полный список тут.
*📩* Откликнуться на нашем сайте
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- LLM
- SQL
- NLP
- Probability Theory
- Mathematical Statistics
Возможные вопросы на собеседовании
Проверка понимания современных подходов к созданию сложных ML-систем на базе LLM.
Расскажите о вашем опыте проектирования агентских систем: какие архитектуры оркестрации вы использовали и как решали проблему зацикливания или галлюцинаций агентов?
Вакансия напрямую упоминает дистилляцию знаний из сложных пайплайнов в легкие модели.
Какие методы дистилляции знаний из LLM-агентов в модели-классификаторы вы считаете наиболее эффективными для задач ранжирования?
Работа в Поиске Яндекса подразумевает огромные объемы данных.
Как бы вы организовали процесс валидации и оценки качества (evaluation) для агентской системы, работающей на миллионах пар «запрос — документ»?
Проверка фундаментальных знаний, указанных в требованиях.
Как вы используете математическую статистику при проверке гипотез об улучшении метрик качества поиска после внедрения новой модели?
Проверка навыков оптимизации и работы с фреймворками.
