ML-разработчик в Еду

Привет! Я Денис Самохвалов, руковожу группой алгоритмов рекомендаций в Яндекс Еде. Моя команда занимается персонализированным ML-ранжированием всего в Еде. Ищу опытного ML-разработчика, который поможет нам сделать наше ранжирование ещё более впечатляющим.

Денис Самохвалов

Руководитель группы

Яндекс Еда — динамично развивающийся сервис, предоставляющий услуги по доставке еды из ресторанов и магазинов миллионам пользователей в более чем 10 странах на разных континентах.

Наша команда управляет алгоритмической и ML-составляющей для ранжирования в клиентском продукте Еды. Мы разрабатываем персональные рекомендации, улучшаем поиск, развиваем новые пользовательские продуктовые сценарии, а также помогаем запускать ранжирование для новых стран и активно внедряем как классические методы машинного обучения, так и передовые нейросетевые разработки для улучшения качества ранжирования в Еде.

Подробнее о том, чем мы занимаемся:
ML в Екоме Яндекса: как работает и кто им занимается?

Какие задачи вас ждут

Ответственность за все стадии ML-проектов
Вам предстоит участвовать в проработке решений на основе машинного обучения для улучшения ранжирования, помогать сводить бизнес-требования к ML-задаче, разрабатывать и валидировать корректность работы ML-пайплайнов.

Улучшение продукта и проверка гипотез в A/B-экспериментах
Вы будете искать точки роста в продукте, предлагать и отстаивать идеи по его улучшению с помощью ML-ранжирования. Вам предстоит проверять ваши идеи в ходе A/B-экспериментов, анализировать их и защищать результаты.

Написание кода в продакшн
Наши модели работают в реал-тайм-сервисах, обрабатывающих сотни запросов в секунду. Вам предстоит писать продакшн-код на C++, тестировать и при необходимости оптимизировать его.

Взаимодействие со смежными командами
Великие дела не делаются поодиночке, поэтому вам предстоит работать в большой кросс-функциональной команде, где есть аналитики, разработчики, ML-специалисты и менеджеры. Вы будете тесно взаимодействовать со смежными командами для совместного движения вперёд.

Мы ждем, что вы

• Разрабатывали на Python, C++ или других объектно-ориентированных языках программирования
• Хорошо знаете и применяли методы анализа данных и ML
• Знаете математическую статистику и теорию вероятностей
• Готовы разрабатывать полный цикл внедрения ML-решений: от обработки данных до внедрения в продакшн

Будет плюсом, если вы

• Внедряли ML-модели в продакшн
• Разрабатывали рекомендательные системы или поиск
• Работали с высоконагруженными реал-тайм-системами
• Разрабатывали бэкенд-сервисы на C++, Java, Go, C#

Что мы предлагаем

1Здоровье2Рост и развитие3Спорт4И ещё

Расширенная медицинская страховка начинает работать с первого месяца в Яндексе. В неё входят стоматология, ежегодные чекапы, неотложная помощь за рубежом, лечение критических заболеваний, в том числе онкологии, и страхование от несчастных случаев.

А также:

• психотерапия в офисе или онлайн-сервисах;
• лазерная коррекция зрения через год работы;
• ведение беременности и роды — через два года.

Страховка для родственников по системе 80/20

Мы оплачиваем 80% стоимости ДМС для детей и супругов, вы — остальные 20%.

В Яндексе есть всё, чтобы постоянно развиваться и учиться новому: внутренняя образовательная платформа, менторство и программы для начинающих и опытных руководителей.

А также:

• оплата участия в профильных конференциях;
• скидка 50% на изучение иностранных языков.

Кроме того, в Яндексе есть внутренние проекты, где наши сотрудники делятся экспертизой, обсуждают сложные темы и разбирают кейсы своих проектов.

Во всех крупных офисах Яндекса есть спортзалы со всем необходимым: тренажёрами, спортивным инвентарём, душевыми, шкафчиками для одежды и вещей.

Можете заниматься самостоятельно, а можете с корпоративным тренером.

А также:

• бесплатные онлайн-тренировки с FITMOST;
• скидки в фитнес-клубах, бассейнах, студиях йоги, скалодромах и других местах.

Спортивный клуб Яндекса

В Яндексе есть спортивный клуб и много спортивных команд. У них есть свои лидеры, чаты, программы тренировок. А ещё они регулярно участвуют в забегах, триатлонах, «Гонке героев», футбольных и других соревнованиях.

Вы сможете присоединиться к существующим командам или собрать свою.

Гибкий график

У нас нет фиксированного времени начала и конца рабочего дня — работайте так, как удобно вам и вашей команде.

Жилищные займы

Льготная ставка на покупку жилья и улучшение жилищных условий — в зависимости от стажа, позиции и результатов ревью. Действует для сотрудников, работающих в российских офисах Яндекса.

Всё для детей

Страхование, детские дни в офисе, подарки на рождение детей и чекапы при планировании беременности.

Больше о нашей команде

В группе алгоритмов рекомендаций пока шесть ML-разработчиков, но мы расширяемся и ищем новых людей в команду.

У нас хорошо отлажены внутренние процессы взаимодействия и минимум бюрократии. Мы решаем сложные задачи на стыке продуктовой разработки и алгоритмов, наши внедрения напрямую влияют на бизнес и продукт Еды.

Примеры проектов, над которыми вам предстоит работать:

1. Переход на сквозное ранжирование и CPA-аукцион в рекламе

В Еде рекламный аукцион долго работал по CPC-модели (cost per click — партнёр платил за клик по ресторану, когда тот поднимался в топ выдачи за счёт рекламы). Под рекламу отводилось четыре места на самом верху выдачи, и чем выше ставку ставил партнёр, тем выше у него была вероятность попасть в топ.

Совсем недавно мы перешли на CPA-аукцион (cost per action — когда партнёр платит за заказ в том случае, если его ресторан был поднят рекламой в выдаче). Мы сделали механику, при которой органическая выдача смешивается с рекламной, а за счёт ставки у партнёра есть возможность подняться выше органических ресторанов. Для этого нам пришлось перейти от предсказания релевантности к предсказанию вероятности заказа и его маржинальности, а также на симуляциях подобрать оптимальные коэффициенты замешивания рекламы и органики. В дальнейшем планируем применить байесовскую оптимизацию для более оптимального подбора коэффициентов замешивания, перейти на другие таргеты в ранжировании и ещё много всего интересного.

2. Запуск ML-ранжирования в «Куда сходить»

«Куда сходить» — новый продукт в Еде, позволяющий пользователям выбрать ресторан, который можно посетить вживую, если доставка уже приелась. Для запуска нам потребовалось решить задачу колд-старта, для этого мы на основе данных из Яндекс Крипты подготовили DSSM-модель, способную генерировать LaL-векторы для пользователей и ресторанов, а также проделали большую инфраструктурную работу по подготовке логики расчёта фич и их логирования, чтобы в дальнейшем перейти к целевой схеме — ранжированию CatBoost.

Сейчас в «Куда сходить» мы внедряем коллаборативные модели SLIM и iALS, в дальнейшем планируем извлечь пользу из новых источников данных, перейти на новые таргеты, а также улучшить ранжирование в поиске.

3. Улучшение апсейла в ритейле

Апсейл — это рекомендательная лента с товарами на корзине магазинов. Мы проделали большую работу по улучшению алгоритмов рекомендаций на этой поверхности: внедрили mixigen (модель, определяющую, из каких источников нужно набирать кандидатов для ранжирования), добавили множество персональных факторов, внедрили userbody (большую двухбашенную модель, созданную в недрах Большого Поиска Яндекса). В дальнейшем планируем персонализировать mixigen, поработать над улучшением продуктовых механик, добавить новые источники кандидатов.

Спасибо за отклик!

Мы свяжемся с вами в течение недели.