ML-разработчик в команду товарного поиска

Наша команда развивает технологии поиска товаров, чтобы каждый пользователь мог найти лучшие варианты среди предложений разных интернет-магазинов и маркетплейсов. Мы работаем над ядром товарного поиска Яндекса — многоуровневой системой с десятками классических и нейросетевых ML-моделей.

Ищем ML-разработчика, который будет вместе с нами развивать модели отбора и ранжирования товарных предложений — ключевые компоненты, определяющие, что увидит пользователь в ответ на свой запрос.

Какие задачи вас ждут

Развитие товарной кандидатогенерации
Первый этап поиска — отбор кандидатов из многомиллиардной базы товарных предложений. Для этого мы внедряем нейросетевые модели — именно они пришли на смену простым текстовым подходам. Вам предстоит обучать большие модели на миллиардах строк логов, работать с HNSW-индексами и встраивать алгоритмы в рантайм высоконагруженного сервиса.

Разработка новых факторов для ранжирования
Какой смартфон популярнее? Доставляет ли магазин в нужный регион? Модели должны отвечать на эти и другие вопросы, используя сотни факторов. Вы будете разрабатывать и внедрять новые счётчики и факторы, которые напрямую влияют на качество поисковой выдачи.

Персонализация товарных рекомендаций
Наш пользователь мужчина или женщина? Он предпочитает «дикие ягоды» или «русский Amazon»? Персонализация товарных рекомендаций — вишенка на торте: для решения этой задачи мы используем современные рекомендательные трансформеры. Вам предстоит экспериментировать с передовыми архитектурами нейросетей для рекомендаций и адаптировать их для домена товарного поиска.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждем, что вы

• Обучали и внедряли нейросетевые модели
• Работали с DL-фреймворками Python: PyTorch и PyTorch Lightning
• Понимаете основы машинного обучения и рекомендательных систем
• Умеете работать с большими объёмами данных

Будет плюсом, если вы

• Работали с технологиями поиска по товарам на маркетплейсах
• Разрабатывали на C++
• Оптимизировали ML-модели для продакшена
• Работали с высоконагруженными системами
• Знакомы с современными методами RecSys и следите за исследованиями в этой области