Аналитик-разработчик в АОН Яндекса

Наша команда разрабатывает и совершенствует системы, которые лежат в основе защиты пользователей от нежелательных звонков. Мы отвечаем за:

• детектирование спам-звонков и мошеннических номеров с помощью ML-моделей и анализа данных;
• подготовку и обновление базы для автоматического определителя номера (АОН) в реальном времени;
• интеграцию факторов для улучшения классификации звонков и блокировки нежелательной активности;
• развитие внутренних инструментов для мониторинга качества и аналитики.

Наши решения напрямую влияют на пользовательский опыт миллионов людей. Одни системы обрабатывают данные в режиме реального времени, другие работают с миллиардами событий, обеспечивая строгое соблюдение SLA. Результаты наших улучшений видны уже через минуты после внедрения.

Какие задачи вас ждут

Аналитика аудитории и качества сервиса
Вам предстоит исследовать поведение пользователей, заниматься сегментацией аудитории, выявлять паттерны нежелательных звонков, анализировать метрики качества (точность детекции спама, скорость обработки запросов) и искать точки роста, а также готовить дашборды для управления продуктом.

Улучшение ML-классификатора для определителя номера
Ваша роль будет включать работу с моделью на CatBoost, которая помечает нежелательные звонки на основе разных факторов: истории вызовов, геоданных и поведенческих данных. В ваши задачи войдёт Feature Engineering — создание новых признаков, анализ их эффективности, тестирование через A/B-эксперименты, а также внедрение фич в real-time-контур и обновление модели.

Оптимизация процессов обработки данных
Вы будете ускорять ETL-пайплайны для подготовки факторов и обучения моделей, а также автоматизировать рутинные задачи: мониторинг, алертинг, переобучение моделей.

Мы ждем, что вы

• Занимались продуктовой аналитикой (SQL, Python) или классическим Machine Learning
• Умеете работать с большими данными (Spark, Hadoop), знаете основы статистики и A/B-тестирования
• Понимаете, как устроены ML-модели, и можете интерпретировать их результаты
• Готовы погружаться в код (Python)

Будет плюсом, если вы

• Работали с CatBoost или XGBoost, Feature Engineering для tabular data
• Внедряли ML-модели в продакшн
• Знаете алгоритмы оптимизации и распределённых вычислений
• Умеете взаимодействовать с командами инфраструктуры и бэкенда