ML разработчик в Яндекс Образование
Summary
ML engineer at Yandex Education builds AI tutors and exam-prep agents from prototype to production, blending ML with backend development to serve students and professionals.
Команда Яндекс Образования создаёт платформу, которая помогает всем — от школьников до профессионалов — учиться и развиваться в IT. Мы проектируем сервисы с нуля, экспериментируем и быстро видим результат своей работы, опираясь на надёжную инфраструктуру и опыт большой компании, — это уникальная возможность почувствовать дух стартапа внутри Яндекса.
Вы будете работать над сервисами, которые помогают тысячам пользователей: это, например, репетитор по математике для школьников 5–11-х классов (режим в Алисе), платформа для подготовки к ЕГЭ. Необходимо разрабатывать агентские пайплайны для образовательных сценариев. Это позиция на стыке ML и бэкенда: вы будете писать продакшен-код, проектировать агентов, экспериментировать с архитектурой и моделями, доводить решения до внедрения.
Какие задачи вас ждут
Разрабатывать AI-агентов от идеи до прода
Вы будете участвовать во всех стадиях проекта: разбираться вместе с руководителем команды в бизнес-процессе, проектировать архитектуру агентов, писать код, продумывать оценку качества, выкатывать в прод и поддерживать после внедрения.
Проектировать, писать и улучшать агентов
Вам предстоит решать, какой набор тулов и скилов нужен агенту, как организовать работу с контекстом, какую модель брать под задачу, как измерять качество ответов, как выявлять и устранять галлюцинации.
Поддерживать жизнь агентов в проде
Агенты живут долго, и после внедрения работа не заканчивается. Вам предстоит выстраивать системы для мониторинга качества, добавлять непредвиденные сценарии, масштабировать агента на соседние сервисы, дежурить по своим проектам.
Мы ждём, что вы
- Разрабатывали коммерческие приложения не менее трёх лет
- Понимаете архитектуру современных веб-сервисов и умеете принимать решения, которые не придётся переписывать через полгода
- Уверенно владеете Python для разработки серверных приложений и интеграций; понимаете, как устроены асинхронные взаимодействия, очереди, базы данных
- Имеете базовое представление о том, как устроены LLM и AI-агенты: что такое тулы, промпты, контекстное окно, RAG
- Проактивны и автономны: готовы сами приходить с идеями и доводить их до результата
Будет плюсом, если вы
- Знакомы с экосистемой Lang* (LangChain, LangGraph)
- Работали с агентскими протоколами (MCP, A2A) и подходами (RAG, мультиагентные системы) в продакшене
- Хотите вырасти до руководителя или техлида