- Страна
- Россия
Руководитель команды в группу LLM
Оценка ИИЭто одна из самых престижных ролей на российском рынке ML. Работа над Алисой в Яндексе дает доступ к уникальным вычислительным ресурсам, огромным массивам данных и возможности влиять на продукт, которым пользуются миллионы людей.
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 необходимостью сочетать глубокую техническую экспертизу в LLM (SFT, RL, RAG) с управленческими навыками уровня Team Lead. Работа в Яндексе над флагманским продуктом подразумевает высочайшие стандарты качества и работу с SOTA-технологиями.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Team Lead ML в Яндексе рыночные ожидания составляют от 450 000 до 700 000 рублей и выше, включая бонусы и опционы. Предложенный диапазон соответствует топовому сегменту рынка для руководителей в сфере AI.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
*❣️ Руководитель команды в группу LLM*
Мы делаем Алису умнее. Для этого нужны комплексные инструменты. Мы создаём агентов для взаимодействия с реальным миром: бронирования, Заметки, Яндекс 360 — всё это срез задач ML-консьержа. Эти инструменты нужно правильно применять. Поэтому мы разрабатываем агента Zero — решаем задачу оркестрации для всей функциональности Алисы. Наша глобальная цель — сделать единую точку входа для решения произвольных задач пользователей.
Какие задачи вас ждут:
• Руководство ML-командойВы будете управлять командой ML-разработчиков: ставить цели, налаживать взаимодействие со смежниками, курировать полный цикл ML-разработки. Важной задачей будет развитие команды: рост экспертного опыта, поиск кандидатов и проведение собеседований, создание новых задач.
• Обучение моделейВам предстоит обучать большие LLM-системы: заводить SFT и RL поверх внутренних (YaGPT) и внешних (SOTA Open Source) моделей.
• Развитие продуктаВы будете анализировать данные, генерировать направления роста, проверять гипотезы в проде и делать продукт лучше.
• Внедрение SOTA-подходовНужно будет следить за трендами в сфере, ставить амбициозные цели, проводить эксперименты и доводить успешные исследования до внедрения.
Мы ждем, что вы:• Руководили ML-командой
• Работали над кросс-функциональными проектами
• Запускали ML-системы в продакшен
• Разбираетесь в SOTA-подходах
• Хотите сделать Алису лучше
Будет плюсом, если вы:
• Работали с RAG-системами и агентами
• Выступали на конференциях
Что мы предлагаем:Сотрудники Яндекса бесплатно участвуют в профильных конференциях. А для тех, кто на них выступает, у нас есть школа подготовки спикеров. Это далеко не все бонусы — больше можно узнать тут.
*📩* Откликнуться на нашем сайте
#алиса_и_умные_устройства #senior #lead #тимлид #ML #LLM #алиса #AI #офис #гибрид #москва #минск
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- LLM
- Machine Learning
- SFT
- Reinforcement Learning
- RAG
- Python
- NLP
- Team Management
- Product Development
Возможные вопросы на собеседовании
Проверка опыта управления и развития команды в высокотехнологичной среде.
Расскажите о вашем опыте формирования ML-команды: как вы выстраиваете процессы найма и индивидуального развития инженеров?
Оценка технических знаний в области обучения LLM, упомянутых в вакансии.
Какие основные сложности вы видите при внедрении RLHF или RL поверх базовых моделей типа YaGPT для улучшения агентских способностей?
Проверка понимания архитектуры агентов и оркестрации, что является ключевой задачей роли.
Как бы вы спроектировали систему оркестрации для агента, который должен взаимодействовать с множеством внешних API (Яндекс 360, заметки и т.д.)?
Оценка продуктового мышления и умения работать с данными.
Как вы определяете метрики успеха для LLM-агента в проде и как принимаете решение о раскатке новой гипотезы?
Проверка навыков кросс-функционального взаимодействия.
Опишите кейс, когда вам приходилось согласовывать сложные технические изменения в ML-модели со смежными командами (инфраструктура, продукт, бэкенд).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
