- Страна
- Россия
ML-разработчик в Видеопоиск
Оценка ИИСильный бренд работодателя (Яндекс), работа с передовыми технологиями на огромных масштабах и отличный социальный пакет. Вакансия предлагает четкий путь развития в технического лидера.
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 ИИВысокая сложность обусловлена требованиями к опыту работы с петабайтами данных, высоконагруженными системами и необходимостью владения специфическими областями ML, такими как Ranking и Retrieval. Также ожидаются навыки технического лидерства.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в Яндексе для ML-инженеров уровня Senior/Lead обычно находится в верхнем квартиле рынка, часто дополняясь значительными годовыми бонусами и опционами (RSU). Предложенные рыночные оценки отражают базовую часть для опытных специалистов в РФ.
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 Видеопоиск*
Привет! Я Влад, руководитель команды качества Видеопоиска. Наша команда помогает людям находить из множества видео именно то, что им нужно. Мы ищем сильного ML-инженера, который возьмёт на себя развитие ранжирования и вырастет в технического лидера команды.
Владислав Лисеев, руководитель группы
За доли секунды мы находим для каждого пользователя именно то, что нужно ему, — будь то сериал, лекция или развлекательный контент. В решении задач мы используем весь спектр ML-технологий.
Какие задачи вас ждут:
• Улучшение качества ранжированияВам предстоит искать проблемы в текущей системе, находить точки роста и реализовывать их — от гипотезы до внедрения в продакшен. Вы будете работать с NLP-факторами, эмбеддингами, моделями ранжирования.
• Взаимодействие с продуктом и аналитикойНаши разработчики переводят бизнес-запросы в конкретные ML-задачи, формализуют требования совместно с продуктом. Мы активно работаем с командой аналитики по контролю качества данных и разметки.
• Работа с большими данными в реальном времениВы будете разрабатывать и внедрять решения, которые работают на петабайтах данных и держат планку по качеству в условиях высокой нагрузки.
Мы ждём, что вы:
• Решали задачи end-to-end: от постановки и исследования до внедрения в продакшен
• Имеете опыт в Ranking, Retrieval, RecSys или NLP
• Имеете опыт технического лидерства (ревью, декомпозиция, координация)
Будет плюсом, если вы:
• Работали с поисковыми системами или их компонентами (Information Retrieval, Dense Retrieval)
• Имеете опыт работы с высоконагруженными сервисами и большими данными
• Знакомы с современными нейросетевыми архитектурами
Почему у нас классно:
ДМС Яндекса действует с первого месяца работы. Причём получить плановую или неотложную помощь можно и за рубежом — так что можно не бояться путешествовать. Это не все бонусы — полный список тут.
*📩* Откликнуться на нашем сайте
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- Ranking
- Information Retrieval
- NLP
- RecSys
- Dense Retrieval
- Big Data
- Python
Возможные вопросы на собеседовании
Вакансия предполагает работу с ранжированием видео. Важно понимать, как кандидат оценивает успех своих моделей.
Какие метрики ранжирования (offline и online) вы бы использовали для оценки качества видеопоиска и почему?
В описании упоминаются NLP-факторы и эмбеддинги. Проверка знаний современных подходов к семантическому поиску.
Расскажите о вашем опыте работы с Dense Retrieval. Какие архитектуры энкодеров вы использовали для построения векторных представлений?
Работа ведется с петабайтами данных в реальном времени. Проверка навыков оптимизации.
Как вы обеспечиваете низкую задержку (latency) при инференсе сложных ML-моделей в высоконагруженных поисковых системах?
Позиция предполагает рост в техлида. Важно оценить навыки управления процессами.
Опишите ваш подход к проведению code review и декомпозиции сложных ML-проектов на понятные этапы для команды.
Упоминается работа с разметкой и аналитикой. Проверка понимания качества данных.
Как вы выстраиваете процесс контроля качества обучающей выборки и работы с асессорами при сборе данных для ранжирования?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
