Yandex Crowd — это крупный инфраструктурный сервис Яндекса. Мы внедряем краудсорсинг, чтобы расширять бизнес-процессы: разметку данных, модерацию контента, полевые исследования, тестирование. Кроме того, мы разрабатываем внутренние функции для наших продуктов: клиентский сервис, телемаркетинг, дизайн, локализацию и документирование. Одна из наших целей — автоматизировать рутинные процессы в работе краудсорс-исполнителей. Мы создаём copilots для дизайнеров, редакторов, локализаторов, а также встраиваем генеративные технологии напрямую в платформы заказов. Ищем ML-разработчика, которому предстоит пройти путь от создания MVP до реализации полноценного продукта с использованием GenAI-технологий, погрузиться в режим стартапа, поработать с топовыми моделями и придумать лучшие версии архитектур.

Обязанности:

Исследовать и внедрять передовые технологии
Вы будете экспериментировать с новейшими мультимодальными GenAI-моделями (VLM, Diffusion и т. д.), фреймворками для агентских систем и новыми подходами к автоматизации задач дизайна и редактуры. Разрабатывать AI-решения для интеграции в микросервисы
Вам предстоит участвовать в разработке надёжных масштабируемых сервисов. Например, мы автоматизируем дизайн-процессы: создаём внутренние инструменты, которые закрывают большое количество специфических задач Яндекса и снимают рутинную нагрузку с дизайнеров. Работать в продуктовой команде
Нужно будет совместно с заказчиками и разработкой проверять смелые гипотезы, запускать пилоты, собирать обратную связь и улучшать решения. Больше об ML в Яндексе — в канале Yandex for ML

Ключевые навыки:

  • Работали с NLP и CV
  • Знаете основы DL и трансформеров
  • Хорошо знаете Python, имеете опыт продакшен-разработки, работали с агентскими фреймворками
  • Хотите стать экспертом, который будет самостоятельно развивать и поддерживать ряд моделей и продуктов
  • Применяете продуктовый подход: умеете формулировать цели, проверять гипотезы и думать о целевом процессе
  • Критически мыслите: сравниваете варианты и выбираете оптимальный по данным, рискам и стоимости

Дополнительные требования:

  • Настраивали пайплайны дообучения, оценки качества, guardrails и безопасной генерации
  • Оптимизировали инференс моделей (квантизация, дистилляция и т. д.)