Data Analyst / ML Analyst (ИИ в Яндекс.Авто)

Яндекс.Авто развивает автомобильную мультимедийную платформу с Алисой в полноценную ИИ-платформу для водителя и пассажиров. Это уже не просто экран в машине с навигацией, музыкой и голосовым управлением, а умный автомобильный ассистент, который понимает контекст поездки, состояние автомобиля, маршрут, дорожную ситуацию и задачи пользователя.

Новая платформа с Алисой в автомобиле умеет разные действия: построить маршрут, предложить заехать на заправку, управлять климатом, окнами, мультимедиа, сервисами Яндекса и сценариями умного дома. В перспективе ассистент будет решать сложные многошаговые задачи через ИИ-агентов и tool calling: например, подобрать ресторан по дороге домой, учесть предпочтения, геопозицию и время в пути, а затем помочь с бронированием.

Ищем data-аналитика / ML-аналитика, который поможет создавать и развивать умный ИИ в автомобиле: анализировать реальные пользовательские сценарии, находить ошибки модели, строить систему оценки качества, собирать данные для обучения и приёмки, а также помогать команде масштабировать tool-calling-архитектуру на автомобильные и геосценарии.

Какие задачи вас ждут

Анализ работы автомобильного ИИ-ассистента
Вам предстоит глубоко разбираться в том, как Алиса работает внутри автомобиля: анализировать пользовательские запросы в гео- и автосценариях; находить проблемные кейсы в навигации, мультимедиа, управлении автомобилем и сервисах; сегментировать ошибки модели, DSAT и негативные пользовательские паттерны; формировать гипотезы по улучшению качества; оценивать влияние изменений на пользовательский опыт водителя и пассажиров.

Построение системы оценки качества
Вместе с командой вы будете развивать систему оценки качества автомобильного ИИ-ассистента: офлайн-метрики качества модели; сценарные evals для авто и гео-доменов; LLM-as-a-judge для оценки диалогов и tool-calling-цепочек; принимать новые модели и разбирать регрессии после релизов.

Развитие tool-calling-модели для автомобиля
Вы будете участвовать в развитии новой модели, где LLM самостоятельно выбирает и вызывает нужные инструменты для выполнения пользовательских задач. Фокус будет на автомобильных и геосценариях: навигация и построение маршрутов; поиск мест по пути и рядом с пользователем; заправки, зарядки, парковки, сервисы и точки интереса; мультимедиа в автомобиле; управление функциями автомобиля (климат, окна, двери, багажник, подогревы и другие); сценарии умного дома из автомобиля.

Сбор данных для обучения и приёмки моделей
Вы будете работать с данными на всём цикле улучшения модели: находить реальные пользовательские кейсы в логах; собирать датасеты для обучения и тестирования; проектировать разметку интентов, tool calls и ошибок; анализировать качество разметки.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

Мы ждем, что вы

• Работали от 2-х лет в роли Data Analyst / Product Analyst / Analyst в data-driven продукте
• Работали с LLM/Generative AI помимо решения бытовых задач и хотите создавать свои AI-системы
• Проводили продуктовую аналитику и поиск инсайтов через данные
• Уверенно владеете SQL и Python для анализа данных
• Умеете работать с большими объёмами логов и событийных данных
• Понимаете основы статистики и A/B-тестирования
• Умеете формулировать продуктовые гипотезы и оценивать их эффект
• Обладаете системным мышлением и умеете разбираться в сложных многокомпонентных продуктах

Будет плюсом, если вы

• Работали с LLM-based продуктами или AI-ассистентами
• Занимались оценкой качества LLM (LLM-as-a-judge, evals, RAG и т. п.)
• Работали с NLP/NLU-продуктами или голосовыми ассистентами
• Знакомы с концепциями Agentic AI и tool calling
• Умеете строить дашборды (Tableau, DataLens, Superset и др.)
• Понимаете, как устроен цикл обучения и улучшения ML/LLM-моделей
• Умеете работать с неструктурированными данными и текстовыми логами