ML-разработчик в команду базового качества товарного поиска
Summary
ML engineer at Yandex building ranking models to improve product search relevance for e-commerce, using LLMs/VLMs and deploying models to production.
Поисковые технологии — основа бизнес-группы Яндекс Поиска. Наша команда работает над ранжированием товаров в еком-поиске. Ищем ML-разработчика, который поможет нам улучшить качество товарной выдачи, а также сделать классный инструмент товарного поиска для использования чатовыми агентами.Улучшение релевантности поиска оферов
На еком-срезе релевантность офера запросу — сложная задача, где нужно учитывать интент пользователя, характеристики товара, аспекты запроса, региональную доступность, цену, привлекательность изображения, доверие к продавцу и другие факторы. Например, если пользователь ищет «лёгкий ноутбук для работы», важно понять, что для него значимы вес, автономность, производительность для офисных задач, диагональ и цена. А если он ищет товар, похожий на что-либо, то критичны уже визуальные признаки. Для решения таких задач релевантности мы активно используем LLM и VLM: для разметки, оценки релевантности, понимания запросов, выделения аспектов и признаков. Затем эти сигналы дистиллируем в более быстрые модели, которые можно применять в продакшене. Оферный поиск в агентских сценариях
Поиск должен быть удобен не только человеку, но и агенту, который собирает информацию для ответа. Для этого требуется значительно переработать поисковый стек, чтобы отдавать наиболее релевантные и конверсионные товары. Усовершенствование поисковых механизмов
Современный товарный поиск должен справляться с разнообразными задачами, такими как нахождение минимальной цены, обеспечение хорошего разнообразия и прочие. Для этого необходимо постоянно перерабатывать механизм поиска и улучшать его в соответствии с вызовами современного рынка. Вы будете проектировать и внедрять ML-модели в продакшен, напрямую влиять на качество продукта и ключевые бизнес-метрики. Больше об ML в Яндексе — в канале Yandex for ML* Имели дело с NLP и LLM * Умеете формулировать задачи в терминах ML, понимаете, как измерить результат, знакомы с разными алгоритмами и можете выбрать подходящий, решали ML-задачи на практике * Знаете классические алгоритмы и структуры данных * Заботитесь о высоком качестве конечного продукта * Готовы погружаться в новые технологии* Решали задачи в классическом ML, рекомендательных системах * Занимались коммерческой разработкой * Владеете C++ или готовы на него перейти
На еком-срезе релевантность офера запросу — сложная задача, где нужно учитывать интент пользователя, характеристики товара, аспекты запроса, региональную доступность, цену, привлекательность изображения, доверие к продавцу и другие факторы. Например, если пользователь ищет «лёгкий ноутбук для работы», важно понять, что для него значимы вес, автономность, производительность для офисных задач, диагональ и цена. А если он ищет товар, похожий на что-либо, то критичны уже визуальные признаки. Для решения таких задач релевантности мы активно используем LLM и VLM: для разметки, оценки релевантности, понимания запросов, выделения аспектов и признаков. Затем эти сигналы дистиллируем в более быстрые модели, которые можно применять в продакшене. Оферный поиск в агентских сценариях
Поиск должен быть удобен не только человеку, но и агенту, который собирает информацию для ответа. Для этого требуется значительно переработать поисковый стек, чтобы отдавать наиболее релевантные и конверсионные товары. Усовершенствование поисковых механизмов
Современный товарный поиск должен справляться с разнообразными задачами, такими как нахождение минимальной цены, обеспечение хорошего разнообразия и прочие. Для этого необходимо постоянно перерабатывать механизм поиска и улучшать его в соответствии с вызовами современного рынка. Вы будете проектировать и внедрять ML-модели в продакшен, напрямую влиять на качество продукта и ключевые бизнес-метрики. Больше об ML в Яндексе — в канале Yandex for ML* Имели дело с NLP и LLM * Умеете формулировать задачи в терминах ML, понимаете, как измерить результат, знакомы с разными алгоритмами и можете выбрать подходящий, решали ML-задачи на практике * Знаете классические алгоритмы и структуры данных * Заботитесь о высоком качестве конечного продукта * Готовы погружаться в новые технологии* Решали задачи в классическом ML, рекомендательных системах * Занимались коммерческой разработкой * Владеете C++ или готовы на него перейти