ML-разработчик в бригаду развития автотаргетинга

Ориентир по рынку≈ 150 000 – 335 000 ₽наша приблизительная оценка по 96 вакансиям этой роли и грейда, у работодателя вилка не указана

🔄 ГибридMiddleПолная занятостьКорпорация

≈ 150 000 – 335 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Наша компания

Привет! Меня зовут Полина, мы с командой разрабатываем модели релевантности для рекламы в Поиске Яндекса. Мы ищем ML-разработчика, которому интересно решать сложные NLP-задачи и создавать end-to-end-решения — от продуктовой идеи и постановки ML-задачи до запуска на реальном трафике. Полина Дунаева

О роли

Руководитель бригады Автотаргетинг — это технология, которая помогает рекламодателям находить свою аудиторию в Поиске Яндекса без необходимости вручную перечислять все запросы, по которым должно показываться объявление. Автотаргетинг анализирует запрос пользователя и рекламное объявление, чтобы оценить, насколько рекламное предложение соответствует интересам пользователя. Сегодня на эту технологию

Чем предстоит заниматься

Развитие технологии подбора рекламы по описанию запросов

В октябре у рекламодателей появляется новая возможность для более точной настройки автотаргетинга. Теперь рекламодатель сможет в свободной форме описать критерии, которым должны соответствовать запросы для показа его объявления, а система учтёт это описание при отборе рекламы. Вы будете улучшать модели, оценивающие соответствие запроса текстовому описанию, экспериментировать со способами его представления и разрабатывать алгоритмы генерации описаний на основе настроек и статистики рекламной кампании

Развитие ML-моделей автотаргетинга

В автотаргетинге мы используем модели разного размера для разных задач: большие декодеры для офлайн-разметки, биэнкодеры и компактные кросс-энкодеры для рантайма. Вы будете экспериментировать с архитектурами моделей, добавлять новые фичи, собирать разметку с помощью асессоров и LLM. Основные направления на ближайшее время — повышение качества больших моделей и развитие кросс-энкодеров для адаптации алгоритмов автотаргетинга к отдельным срезам запросов и рекламным кампаниям

Доведение ML-решений до продакшена

Находить точки роста, формулировать гипотезы, определять целевые метрики и ограничения, готовить данные и признаки, обучать модели и строить пайплайны. Предстоит также проверять решения в A/B-экспериментах на реальном трафике, анализировать их влияние на эффективность рекламы и внедрять успешные улучшения в продакшен

Больше об ML в Яндексе — в канале Yandex for ML