Руководитель группы ML-сигналов в Поиск (Core & Agentic Search)
Summary
Leads a small team to develop and deploy ML ranking models for Yandex Search using LLM-generated data, focusing on data pipelines, model training, and production evaluation.
Качество Яндекс Поиска определяется ранжированием — способностью выбрать из огромного числа документов те, которые лучше всего помогут решить задачу. Наша цель — внедрить LLM-разметку в задачи, решаемые в ранжировании Поиска. Ищем сильного технического лидера, который возглавит это направление.Управление командой
Вы будете руководить командой из 4–6 человек: ставить масштабные цели, декомпозировать их в задачи, договариваться со смежными командами о совместной работе, контролировать весь процесс от постановки задачи до внедрения в продакшен. Обучение моделей и работа с данными
Вам с командой предстоит превращать данные, размеченные с помощью LLM, в датасеты для разметки ML-моделей, использующихся на различных этапах ранжирования. В зависимости от моделей это может быть как создание отдельных корпусов синтетических данных, так и полноценное дообучение открытых и внутренних LLM. Создание пайплайнов для оценки обученных моделей
Все наши модели работают в реальных продуктах, которыми пользуются миллионы людей ежедневно. Поэтому они должны проходить многостороннюю оценку, чтобы поддерживать высокое качество работы в различных сценариях. Больше об ML в Яндексе — в канале Yandex for ML* Управляли командой ML/DL-разработчиков * Обучали модели глубинного обучения и внедряли их в продакшен * Готовы самостоятельно работать руками, создавая прототипы и проверяя гипотезы * Интересуетесь развитием LLM и их продакшен-применением* Работали с высоконагруженными системами и делали модели для них * Работали в кросс-функциональных командах
Вы будете руководить командой из 4–6 человек: ставить масштабные цели, декомпозировать их в задачи, договариваться со смежными командами о совместной работе, контролировать весь процесс от постановки задачи до внедрения в продакшен. Обучение моделей и работа с данными
Вам с командой предстоит превращать данные, размеченные с помощью LLM, в датасеты для разметки ML-моделей, использующихся на различных этапах ранжирования. В зависимости от моделей это может быть как создание отдельных корпусов синтетических данных, так и полноценное дообучение открытых и внутренних LLM. Создание пайплайнов для оценки обученных моделей
Все наши модели работают в реальных продуктах, которыми пользуются миллионы людей ежедневно. Поэтому они должны проходить многостороннюю оценку, чтобы поддерживать высокое качество работы в различных сценариях. Больше об ML в Яндексе — в канале Yandex for ML* Управляли командой ML/DL-разработчиков * Обучали модели глубинного обучения и внедряли их в продакшен * Готовы самостоятельно работать руками, создавая прототипы и проверяя гипотезы * Интересуетесь развитием LLM и их продакшен-применением* Работали с высоконагруженными системами и делали модели для них * Работали в кросс-функциональных командах