Аналитик-разработчик в команду быстрых ответов Alice AI
Summary
The analyst‑developer improves Alice AI fast‑answer metrics, designs experiments, integrates generative models into production, and builds informative object cards, using Python, SQL and statistical analysis.
Продукты инфосценария помогают пользователю получать быстрый ответ на поисковый запрос. Ищем сильного аналитика-разработчика, умеющего решать нестандартные задачи. Вам предстоит развивать метрики инфосценария, улучшать быстрые ответы Alice AI и собирать информативные карточки объектов.Развивать метрики инфосценария
Ваша работа — не сводить дашборды, а строить причинно-следственную картину: что именно в выдаче дало рост, а что — лишь иллюзия роста на онлайне. Вы будете проектировать эксперименты, отличать сигнал от шума и помогать команде не гнаться за цифрами, которые никуда не ведут. Улучшать быстрые ответы Alice AI
За каждым ответом Яндекса — генеративная модель. Вам предстоит встраивать новые модели в продакшн-цикл, замерять, где они выигрывают, а где ломают то, что работало, и аргументировать, стоит ли пускать их к миллионам пользователей. Это работа на стыке аналитики и ML: вы не пишете модель, но именно по вашим данным команда решает, ехать ей дальше или нет. Собирать карточки объектов, по которым понятно, что важно пользователю
Карточка — это маленький продукт: то, что стоит показать на визитке ресторана, театра, чтобы человек закрыл задачу без второго клика. Нужно будет выявлять, какие атрибуты объекта реально двигают пользу, проводить эксперименты, чтобы карточка становилась точнее. Здесь много работы с тем, что сложно формализовать на старте. Больше об аналитике в Яндексе — в канале Yandex for Analytics* Свободно владеете теорией вероятностей и математической статистикой — проводили A/B-эксперименты, интерпретировали их результаты * Решаете нестандартные математические задачи — там, где нет готового алгоритма, можете выстроить рассуждение с нуля * Анализировали данные на Python или SQL — сами берёте данные, обрабатываете, делаете вывод; опыт работы с большими объёмами — большой плюс * Спокойно и аргументированно отстаиваете свою позицию и слышите чужую: в Поиске ценят аргументацию данными, а не голосом
Ваша работа — не сводить дашборды, а строить причинно-следственную картину: что именно в выдаче дало рост, а что — лишь иллюзия роста на онлайне. Вы будете проектировать эксперименты, отличать сигнал от шума и помогать команде не гнаться за цифрами, которые никуда не ведут. Улучшать быстрые ответы Alice AI
За каждым ответом Яндекса — генеративная модель. Вам предстоит встраивать новые модели в продакшн-цикл, замерять, где они выигрывают, а где ломают то, что работало, и аргументировать, стоит ли пускать их к миллионам пользователей. Это работа на стыке аналитики и ML: вы не пишете модель, но именно по вашим данным команда решает, ехать ей дальше или нет. Собирать карточки объектов, по которым понятно, что важно пользователю
Карточка — это маленький продукт: то, что стоит показать на визитке ресторана, театра, чтобы человек закрыл задачу без второго клика. Нужно будет выявлять, какие атрибуты объекта реально двигают пользу, проводить эксперименты, чтобы карточка становилась точнее. Здесь много работы с тем, что сложно формализовать на старте. Больше об аналитике в Яндексе — в канале Yandex for Analytics* Свободно владеете теорией вероятностей и математической статистикой — проводили A/B-эксперименты, интерпретировали их результаты * Решаете нестандартные математические задачи — там, где нет готового алгоритма, можете выстроить рассуждение с нуля * Анализировали данные на Python или SQL — сами берёте данные, обрабатываете, делаете вывод; опыт работы с большими объёмами — большой плюс * Спокойно и аргументированно отстаиваете свою позицию и слышите чужую: в Поиске ценят аргументацию данными, а не голосом