- Страна
- Россия
ML-разработчик в ранжирование Яндекс Еды
Оценка ИИСильный бренд, работа над продуктом с огромной аудиторией и полный цикл владения ML-проектами. Отличные возможности для профессионального роста и качественный соцпакет.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубоких знаний ML и умения работать с высоконагруженными системами. Необходимо владеть полным циклом разработки — от сбора данных до деплоя и A/B-тестирования.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЯндекс обычно предлагает зарплаты на уровне или чуть выше медианы рынка для опытных ML-специалистов, дополняя их значительным пакетом бонусов и акций (RSU). Указанные рыночные оценки соответствуют уровню Middle+/Senior в Москве.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🍔* ML-разработчик в ранжирование Яндекс Еды
Привет! Меня зовут Вася, я руковожу группой алгоритмов ресторанного ранжирования в Яндекс Еде. Ищу ML-разработчика, который будет развивать ранжирование ресторанов и блюд.
Василий Гламаздин, руководитель группы
Наша команда занимается алгоритмической и ML-составляющей ранжирования. Мы определяем порядок отображения: ресторанов, блюд, ресторанов и магазинов вместе, подборок заведений для офлайна. От наших моделей зависит, какие позиции пользователь увидит первыми и что в итоге закажет. В работе мы используем как классические методы ML, так и нейросетевые подходы.
Какие задачи вас ждут:
• Цикл ML-проекта
Вы будете преобразовывать бизнес-требования в ML-задачи, собирать пайплайн, обучать и проверять модель, внедрять её в реалтайм-сервис и тестировать с помощью A/B-теста.
• Развитие продукта
Вам предстоит искать точки роста, предлагать и отстаивать свои идеи, а также запускать рекомендации на новых поверхностях и вертикалях. При этом нужно не только ранжировать по предпочтениям, но и учитывать доступность и загрузку ресторана, скорость и стоимость доставки, а также балансировать органику с рекламным продвижением.
• Работа со смежниками
Вам нужно будет сотрудничать с продуктовыми командами, аналитиками и MLOps — решать общие задачи, проводить совместные эксперименты и защищать результаты.
Мы ждём, что вы:
• Разрабатывали на Python или C++
• Хорошо знаете методы анализа данных и ML и применяли их на практике
Будет плюсом, если вы:
• Делали рекомендательные системы или поиск
• Работали с высоконагруженными реалтайм-системами
Почему у нас классно:
Яндекс — это комьюнити. Тут есть и спортивные клубы, и книжный клуб, и киберспортивное сообщество. Это не все бонусы — полный список тут.
*📩*{{apply_contact}}на нашем сайте
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- C++
- Machine Learning
- Data Analysis
- Recommender Systems
- A/B Testing
- MLOps
Возможные вопросы на собеседовании
Ранжирование в доставке еды сильно зависит от времени. Важно понять, как кандидат учитывает динамические факторы.
Как бы вы учитывали текущую загрузку ресторана и время доставки в модели ранжирования?
Вакансия предполагает работу с рекомендациями. Это классический вопрос для проверки профильных знаний.
Какие метрики ранжирования (например, NDCG, MRR) вы бы выбрали для оценки качества выдачи ресторанов и почему?
В описании указано использование нейросетевых подходов. Важно оценить опыт работы с современными архитектурами.
В каких случаях для ранжирования в Еде стоит переходить от градиентного бустинга к нейросетевым моделям (например, Two-Tower)?
Работа включает внедрение в реалтайм. Нужно проверить понимание производительности.
Как обеспечить низкую задержку (latency) при расчете предсказаний модели для тысяч пользователей одновременно?
Упоминается балансировка органики и рекламы. Это сложная продуктовая задача.
Как в одной формуле ранжирования совместить релевантность для пользователя и бизнес-задачу по продвижению рекламных позиций?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
