ML-инженер разработки для AI-приложения в Международный Поиск и Алису AI

Ориентир по рынку≈ 250 000 – 400 000 ₽наша приблизительная оценка по 12 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятостьКорпорация

≈ 250 000 – 400 000 ₽наша приблизительная оценка

Есть о чём спросить

Работа расписана подробно, спрос на навык растёт (Офис). Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Привет! Меня зовут Никита, я руководитель группы еком-поиска и агентов в команде AI-продуктов. Наша команда развивает еком-сценарии на разных поверхностях — от классического поиска до AI приложений в РФ и за рубежом. Под капотом — многостадийное ранжирование, агент со своими harness и роутингом по сценариям и система сигналов качества, позволяющая развивать все компоненты как единое целое. Мы ищем опытного ML-инженера, который будет активно улучшать поиск и агентов и делать пользователей счастливее :) Никита Денисов

О роли

Руководитель группы еком-поиска и агентов Для Турции наша команда создала полноценный еком-поиск и еком-агента для приложения Yandex AI, которыми ежедневно пользуются тысячи людей. За это время мы проделали большую работу: обучили несколько стадий ранжирования, разработали качественный сигнал релевантности, сделали современную архитектуру агента со скилами и тулами.

Чем предстоит заниматься

Улучшение качества еком-поиска

Поиск — это сложная система, состоящая из разных стадий и компонент и имеющая свои локальные особенности в зависимости от рынка. Среди них разные фичи, разные сигналы релевантности, разный ассортимент и разные рыночные предпочтения. Чтобы на выходе получить качественный поиск, надо грамотно анализировать и улучшать все его компоненты

Исследование SOTA-подходов и разработка решений для улучшения качества еком-агента

Агентные системы — одна из самых быстро меняющихся тем в LLM: подходы к планированию, памяти, reflection и обучению агентов на собственном опыте выходят почти каждый день. Вы будете изучать методы, отбирать применимое к нашим сценариям и создавать собственные подходы на стыке с бизнесом и продуктом

Проверка и оценка качества

Вы будете собирать и размечать данные, проводить офлайн-оценку, A/B-тесты на реальных пользователях и выводить в продакшен

Продуктовые фичи

Повышать качество пользовательского опыта можно не только за счёт развития core-составляющих (поиска и агента), но и за счёт продуктовых фич. Среди них интеграция внешних MCP магазинов, развитие конкретных срезов (например, авто или медицины) за счёт подключения специализированных баз знаний и многое другое

Больше об ML в Яндексе — в канале Yandex for ML