Яндекс Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 35 миллионов подписчиков каждый день используют разные возможности: слушают «Мою волну» в Музыке, получают кешбэк в Такси, Еде, на Маркете и в других сервисах Яндекса, смотрят кино на Кинопоиске. ML-команда Яндекс Плюса создаёт будущее персонализированного взаимодействия с пользователями. Мы разрабатываем интеллектуальные системы на стыке классического машинного обучения и передовых LLM-технологий, которые помогают миллионам подписчиков максимально эффективно использовать сервисы экосистемы. Наша цель — создать персонального ассистента, который будет сопровождать пользователя на всех этапах жизни подписки: от выбора оптимального тарифа до ведения адресных и осмысленных коммуникаций, которые углубляют вовлечённость.

Обязанности:

Выдвижение гипотез и проведение A/B-экспериментов
Вы будете предлагать и тестировать новые идеи, чтобы с помощью LLM и классических ML-моделей повышать эффективность продуктовых механик для наших подписчиков. Разработка и развитие генеративных пайплайнов
Вам предстоит собирать и готовить данные, выбирать ML-подходы для построения агентской системы коммуникации с пользователем, формулировать метрики качества и проверять гипотезы в A/B-тестах. Написание продакшен-кода на Java
Наша команда реализует гипотезы вокруг LLM и ML, оборачивает модели в сервисы на Java и выводит их в продакшен. Вам предстоит писать надёжный и эффективный код. Взаимодействие со смежными командами
Вы будете работать в большой кросс-функциональной команде, тесно взаимодействовать с аналитиками, разработчиками и продакт-менеджерами из разных сервисов экосистемы. Больше об ML в Яндексе — в канале Yandex for ML

Ключевые навыки:

  • Понимаете принципы классического ML
  • Хорошо знакомы с Python и SQL
  • Понимаете принципы работы генеративных моделей (LLM), умеете использовать их в реальных задачах и знаете, как строятся RAG-системы
  • Можете демонстрировать бизнесу результаты исследований и аргументированно отстаивать свою точку зрения
  • Готовы разрабатывать полный цикл внедрения ML-решений: от обработки данных до вывода в продакшен и поддержки сервиса

Дополнительные требования:

  • Занимались разработкой чат-ботов или ассистентов (систем взаимодействия с пользователем) на базе LLM
  • Программировали на Java или C++
  • Разрабатывали бэкенд-сервисы
  • Реализовывали собственные pet-проекты в области LLM или RAG