Работа в Яндексе: вакансии IT и digital

Яндекс постоянно улучшает свои сервисы. Мы измеряем «счастье» пользователя: помогла ли Алиса решить задачу, насколько быстро и удобно это получилось, вернётся ли человек с похожим запросом завтра. Диалог с Алисой устроен сложнее, чем сессия в Поиске: у пользователя нет выдачи, по которой видно, куда он кликнул, — есть только текст ответа и то, что он сделал дальше.

Чтобы понять, будет ли планируемое нововведение полезным, мы проводим A/B-эксперименты: делим пользователей на две группы, каждой из которых показываем свою версию продукта.

Мы не ограничиваемся базовыми подходами к построению метрик и повышению чувствительности: стараемся разрабатывать новые сигналы удовлетворённости пользователей, находим решения в условиях неполных данных, придумываем неожиданные способы применения машинного обучения и LLM — и как инструмента разметки, и как объекта измерения.

Вы присоединитесь к одной из сильнейших аналитических команд Яндекса, которая создаёт метрики, определяющие развитие Поиска и Алисы. Мы разрабатываем собственные методы оценки качества, решаем сложные исследовательские задачи и внедряем современные ИИ-инструменты, включая LLM-агентов, чтобы автоматизировать рутинную аналитику и сосредоточиться на поиске новых продуктовых инсайтов.

Разработка универсальной метрики приёмки экспериментов Поиска и Алисы

Пользователь не делит свой день на «поход в Поиск» и «разговор с Алисой» — он решает одну задачу теми инструментами, которые оказались под рукой. Мы строим метрику, с которой можно смотреть на поток запросов целиком: она делит его на задачи и оценивает успешность с учётом того, чего пользователь на самом деле хотел.

При этом в ограничении на Алису метрика должна хорошо оценивать эксперименты Алисы, в ограничении на Поиск — поисковые, а это очень нетривиальная задача.

Поиск инсайтов для улучшения моделей

Иногда качество ответа определяется не тем, что модель сказала, а тем, как она подала ответ и насколько её ответ был похож на человеческий. Такие находки мы получаем регулярно, но пока скорее случайно.

Создание системы знаний о поведении пользователей

Вам предстоит построить систему, которая добывает инсайты о поведении пользователей потоком: находит гипотезы в данных, проверяет их экспериментами и превращает в требования к моделям.

Расхождение онлайна и офлайна

Офлайн-метрики модели растут, а онлайн-метрики — нет. При этом новые модели Алисы обучаются по офлайну. Мы хотим разобраться с этим системно: научиться по каждой офлайн-фиче находить следы её влияния в онлайне — изменившийся поток запросов, другие пользовательские паттерны, уходы в Поиск.

Здесь много места для собственных гипотез: на что пользователь реагирует на самом деле и что заложить в ответ в метрику. Эти исследования помогут нам лучше понимать, как скорректировать офлайн-метрики и процесс обучения новых моделей.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Руководили командой аналитиков
* Программируете на Python
* Любите математику
* Владеете основами теории вероятностей и математической статистики
* Умеете решать нестандартные математические задачи
* Читаете и понимаете профильные тексты на английском языке
* Способны спокойно и аргументированно отстаивать свою точку зрения и выслушивать чужую

* Применяли машинное обучение
* Победитель или призёр международных или всероссийских олимпиад по математике

Наша команда развивает режим «Юрист» в Алисе — он помогает пользователям разбираться в юридических вопросах, оценивать права и риски, планировать дальнейшие действия и готовить документы. Мы ищем продуктового аналитика, который поможет нам лучше понимать поведение пользователей, находить точки роста и принимать решения на основе данных.

Наша цель — сделать юридическую информацию более понятной и доступной, а взаимодействие с сервисом — удобным и эффективным. Для этого нам важно понимать, как пользователи работают с режимом, какие сценарии приносят им наибольшую пользу и какие продуктовые механики необходимо развивать.

Мы ищем энергичного и целеустремлённого человека с опытом в продуктовой аналитике и желанием создать качественный продукт.

Разработка и построение дашбордов

Вы будете строить и поддерживать дашборды по ключевым показателям режима «Юрист»: анализировать воронку пользовательских сессий, динамику аудитории и конкурентную позицию продукта, а также оценивать отдельные механики — от ответов на юридические вопросы до подготовки документов.

Анализ поведения пользователей

Предстоит исследовать пользовательские пути и находить места, в которых пользователи прерывают работу с сервисом, переспрашивают Алису или возвращаются к одним и тем же сценариям. Результаты исследований помогут команде определять проблемы продукта и приоритизировать его развитие.

Проведение A/B-экспериментов

Вы будете участвовать во всём цикле исследования: формулировать гипотезы, разрабатывать метрики, следить за ходом экспериментов и интерпретировать результаты. На основе полученных данных команда будет принимать решения о запуске новых фич.

Оценка новых продуктовых сценариев

Вам предстоит оценивать потенциал механик, для которых ещё нет накопленной статистики: определять размер аудитории, ожидаемый эффект и приоритет разработки. Такая аналитика поможет находить новые точки роста и принимать обоснованные продуктовые решения.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Уверенно владеете SQL и Python и умеете самостоятельно получать и исследовать данные
* Понимаете принципы проведения A/B-тестов и умеете интерпретировать их результаты
* Разбираетесь в математической статистике и применяете статистические методы для решения продуктовых задач
* Умеете строить продуктовые воронки, формулировать метрики и находить причины их изменений
* Способны превращать результаты анализа в понятные выводы и рекомендации для команды
* Системно мыслите, самостоятельно формулируете гипотезы и готовы глубоко погружаться в продукт

Продукт Checkout для внешних сайтов позволяет мерчанту установить на свой сайт готовый чекаут. Он решает сразу несколько задач: обеспечивает доставку, сбор персональных данных и разные способы оплаты — и всё это через одно окно.

Оптимизация пути мерчанта

Вы будете анализировать текущую воронку онбординга и вносить изменения в продукт, чтобы сократить среднее время технической интеграции нового партнёра. Ваша цель — сделать процесс подключения максимально бесшовным и предсказуемым.

Развитие B2B-функциональности

Вам предстоит сформулировать требования и запустить новые возможности чекаута, которые закрывают специфические потребности крупных мерчантов и снимают блокировки на этапе внедрения. Вы будете работать над такими функциями, как кастомизация форм, расширенные сценарии доставки и оплаты.

Управление метриками

Нужно будет внедрить систему отслеживания ключевых показателей: конверсии в успешный запуск, процента оттока на этапах технического подключения. На основе собранных данных предстоит выдвигать гипотезы, чтобы устранять узкие места в продукте.

Сопровождение интеграций и развитие экосистемы

Вы будете находить системные проблемы в том, как мерчанты работают с нашим API, а также добавлять эти инсайты в бэклог продукта для масштабирования решений.

Больше о создании продуктов в Яндексе — в канале Yandex for Products

* Не менее трёх лет занимались продуктовым менеджментом, из них минимум год — в B2B- или платформенных продуктах либо в интеграционных сервисах (API, SDK, платежи, чекаут, e‑commerce)
* Работали над запуском и развитием интеграционных флоу для внешних партнёров или мерчантов
* Понимаете, как строится онбординг B2B‑клиента на техническом и продуктовом уровне
* Умеете работать с продуктовыми метриками и принимать решения на основе данных (конверсия в интеграцию, Time‑to‑Integrate)

<iframe allow="autoplay; fullscreen; accelerometer; gyroscope; picture-in-picture; encrypted-media" frameborder="0" height="315" scrolling="no" src="https://runtime.strm.yandex.ru/player/video/vplvrjxixu4yqmlo2q7x?autoplay=1&amp;mute=1" width="560"></iframe>

Мы занимаемся поисковыми сигналами — сложными элементами, которые устроены гораздо глубже стандартных продуктовых метрик. Их улучшение напрямую влияет на итоговое качество ранжирования.

Наша миссия — ускорить эволюцию Поиска: заменить рутинную ручную разметку автоматикой, внедрить LLM в процессы оценки и сделать релизы моделей быстрее без потери качества.

Сейчас команда находится на стыке аналитики и разработки, решая сложные методологические задачи. Мы не просто считаем метрики, а проектируем системы оценки, где каждый аспект должен быть статистически значим.

В ближайшее время нас ждёт переход от офлайн-экспериментов к полноценным онлайн-тестам, где нам предстоит выявлять тонкие проблемы ранжирования и находить пути их решения.

Методология замены ручной разметки автоматикой

Вам предстоит разрабатывать подходы к замещению труда разметчиков AI-агентами и LLM. Необходимо не просто внедрить автоматизацию, а доказать, что качество сигнала при этом не ухудшилось (или улучшилось). Это требует создания сложных бенчмарков и методик валидации.

Оценка качества LLM-as-a-judge

Мы активно используем большие языковые модели как «судью» для оценки релевантности. Ваша задача — придумать, как объективно измерить качество самой LLM в этой роли, выявить её системные ошибки (биасы) и калибровать её выводы для задач ранжирования.

Исследование влияния изменений на ранжирование

Работа с поисковыми сигналами требует понимания казуальности: как изменения в разметке или сигнале трансформируют финальное ранжирование. Вы будете проектировать дизайн экспериментов (офлайн и онлайн), строить срезы данных и находить скрытые проблемы, которые могут повлиять на пользовательский опыт.

Подготовка и проведение онлайн-экспериментов

Через несколько месяцев фокус сместится на запуск A/B-тестов в реальном поисковом трафике. Вам предстоит определять, в каких срезах и аспектах ранжирования возникают проблемы, и предлагать инженерные способы их починки на основе данных эксперимента.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Имеете опыт на стыке аналитики и разработки: уверенно работаете с SQL и Python (pandas, NumPy), умеете не только извлекать данные, но и строить на их основе сложные модели оценки: офлайн-метрики, статистические выводы
* Понимаете принципы машинного обучения: знаете, как устроены метрики качества ML-моделей (precision, recall, ndcg), имели опыт с LLM или понимаете их специфику: промпт-инжиниринг, оценку качества генерации
* Умеете выстраивать эксперименты: знаете, как обеспечить статистическую значимость выводов, работали с A/B-тестированием или офлайн-симуляциями
* Склонны к методологической работе: вам интересно не просто посчитать цифру, а придумать способ измерения там, где готового инструмента нет, и защитить свой подход перед стейкхолдерами
* Обладаете критическим мышлением: умеете декомпозировать сложные проблемы поискового ранжирования на измеримые компоненты

Наша команда разрабатывает приложение по медиагенерации. В основе продукта — три вещи: трендовые фильтры для медиагенерации, чат-агент, который понимает задачу с полуслова и доводит её до результата, и покрытие всех топ-сценариев медиагенерации на лучших моделях.

Стажёр здесь — не помощник на подхвате, а человек, который берёт большие части продукта и доводит их до финальной версии для пользователей. Мы даём столько ответственности, сколько вы готовы взять.

Генерация и приоритизация новых сценариев и фич медиагенерации

Вам предстоит регулярно предлагать идеи для развития продукта: отслеживать, какие сценарии могут быть востребованы у пользователей, оценивать их потенциальный эффект и приоритизировать по критериям бизнес-ценности и сложности реализации. Вместе с командой разработки вы будете доводить выбранные решения до релиза — это включает участие в обсуждении требований, проверку промежуточных результатов и контроль качества.

Анализ рынка, конкурентов и трендов в медиагенерации

Необходимо систематически следить за новыми приложениями, обновлениями и подходами в сфере генеративного контента. Разбирать, какие механики и форматы показывают рост и интерес аудитории, и превращать эти находки в конкретные сценарии внутри продукта. Также предстоит отслеживать виральные форматы в соцсетях — какие фильтры и эффекты набирают популярность — и оперативно обновлять под них библиотеку фильтров в приложении, а также работать над автоматизацией этих процессов.

Исследование аудитории и работа с пользовательским опытом

Вы будете проводить интервью и исследования, чтобы разбираться в привычках, интересах и проблемах целевой аудитории. На основе полученных инсайтов — формулировать гипотезы по улучшению UX и интерфейса, участвовать в разработке решений, которые сделают продукт понятнее и удобнее для пользователей. Также предстоит работать с юнит-экономикой продукта — анализировать текущие показатели и искать способы их улучшения.

Больше о создании продуктов в Яндексе — в канале Yandex for Products

* Горите медиагенерацией: следите за новинками, пробуете модели и инструменты для себя, а не только по работе
* Занимаетесь продакт-менеджментом или хотите ему научиться
* Интересуетесь людьми — их привычками, интересами и «болями»
* Любите UX и интерфейсы и хотите их улучшать
* Интересуетесь виральными трендами соцсетей и тем, как они устроены
* Любите самостоятельный рисёрч, открытые вопросы с высоким уровнем неопределённости и умеете доводить их до результатов

* Официальное трудоустройство на 3 месяца, занятость 40 часов в неделю
* Современный офис со всем необходимым для комфортной работы и отдыха, возможен гибридный режим
* Ежедневную компенсацию оплаты питания на территории офиса
* Работу в технологической компании, где можно участвовать в создании полезных сервисов для десятков тысяч сотрудников
* Профессиональную команду, у которой можно многому научиться и перенять опыт
* Программу менторства и сопровождения стажировки
* Культуру открытости и взаимопомощи
* Возможность быстро увидеть свой вклад и результаты работы

Ваша задача — превратить данные операций и продукта в решения, которые ускоряют сборку заказа, улучшают опыт клиента и повышают эффективность бизнеса.

Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&amp;utm\_medium=social&amp;utm\_content=1&amp;utm\_campaign=vacancies)

Исследование процессов и поиск точек оптимизации

Мы постоянно ищем пути оптимизации процессов на складах — сборки заказов, размещения товаров и других. Для этого мы активно используем аналитику большого количества накопленных исторических данных о выполнении операций и превращаем эти знания в инсайты и алгоритмические решения.

Примеры наших проектов: оптимизация маршрутов сборки, батчинг заказов на сборке, умное размещение товаров.

Эксперименты и принятие продуктовых решений на основе данных

Склады — это активное продуктовое направление, в котором мы постоянно что-то тестируем: новые процессы, улучшения существующих процессов, изменения в алгоритмах. Вам нужно будет запускать и анализировать A/B-эксперименты, совместно с командой продукта принимать решения на основе данных, оценивать влияние изменений на метрики склада и бизнес-результаты.

Метрики и прозрачность процессов

Мы принимаем решения на основе метрик, поэтому критично, чтобы они точно отражали то, что реально происходит на складах. Вам предстоит развивать и переосмыслять систему ключевых показателей эффективности: находить, где текущие метрики не улавливают реальную картину, и проектировать новые — те, что точнее описывают качество сборки, скорость операций и клиентский опыт. Вы будете определять, что и как правильно измерять, следить за корректностью и интерпретируемостью показателей, а также искать новые точки роста через анализ данных.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Работали в сфере анализа данных
* Активно используете в работе Python и SQL
* Имеете опыт дизайна и проводили A/B-тесты
* Владеете BI-инструментами (у нас Yandex DataLens)
* Занимались операционной аналитикой (будет преимуществом)
* Видите за числами физический смысл и способны находить причины явлений
* Готовы аргументированно и доступно отстаивать собственную точку зрения и слышать чужие
* Умеете представлять результаты своей работы коллегам и заказчикам

Миллионы людей каждый день пользуются Яндекс Навигатором и навигацией в Яндекс Картах. Мы помогаем водителям добираться быстрее и комфортнее: строим маршруты, предсказываем время в пути, ведём по маршруту и уточняем геопозицию даже там, где GPS работает плохо.

Наша команда работает сразу со всеми сервисами навигации: находит точки роста, где ML может дать заметный продуктовый эффект, доводит исследования до продакшена и затем берётся за следующую сложную проблему. Мы работаем с GPS-сигналами, логами маршрутов и другими данными десятков миллионов пользователей, а модели внедряются в сервисы с нагрузкой в сотни тысяч запросов в секунду. Пишем на C++ (бэкенд) и Python (анализ данных, обучение моделей). Для работы с большими данными используем MapReduce (YT). Также исследуем применение современных ИИ-моделей в навигации.

Управление ML‑исследованиями и развитием команды

Вам предстоит определять техническое направление исследований, распределять задачи внутри команды, помогать находить решения сложных и неоднозначных задач, проводить ревью, принимать решения о развитии или завершении проектов.

Улучшение геопозиционирования

В зонах с плохим GPS-сигналом точность позиционирования падает. Вам предстоит анализировать данные, находить новые источники данных и закономерности в них, строить модели, которые помогут точнее определять положение пользователя на дорожном графе.

Повышение качества и персонализация маршрутов

Не всегда «самый быстрый» маршрут — лучший для конкретного человека. Вам предстоит исследовать пользовательские предпочтения и развивать модели ранжирования маршрутов, чтобы предлагать каждому наиболее подходящие варианты с учётом привычек и контекста поездки.

Предсказание ETA в сложных дорожных условиях

Аварии, перекрытия, резкие изменения погоды — всё это делает предсказание времени в пути нетривиальной задачей. Предстоит работать над моделями, которые точнее оценивают ETA в условиях нестабильной дорожной ситуации.

Больше об ML в Яндексе — в канале Yandex for ML

* Больше года (а лучше — от трёх лет) управляли технической командой
* Уверенно ориентируетесь в классическом ML
* Умеете работать с большими данными и строить выводы на их основе
* Ориентируетесь на продуктовый результат и понимаете, как метрики модели связаны с пользовательским опытом
* Понимаете принципы A/B-экспериментов
* Уверенно программируете на Python
* Работали с нейросетями и Deep Learning

* Работали с C++
* Знаете SQL
* Знакомы с YT, YQL или аналогичными инструментами для обработки больших данных

Наша команда создаёт финансовые сервисы, которые помогают таксопаркам и курьерским службам расти быстрее, экономить время и увеличивать прибыль. Цель — построить экосистему финансовых решений и стать безусловным лидером рынка в этом сегменте.

Мы ищем аналитика-разработчика, который будет заниматься развитием продукта Яндекс Флот: маркетплейса для лизинга автомобилей. Если вы хотите видеть, как ваши гипотезы превращаются в реальный доход людей и бизнесов, то эта позиция для вас.

Влиять на продукт

Вам предстоит искать точки роста в финансовых сервисах и инструментах, запускать новые продукты и экспериментировать. Необходимо будет генерировать гипотезы и выстраивать аналитику всего бизнеса.

Масштабировать текущие инструменты

Наша работа не ограничивается Россией — мы расширяем географию: адаптируем и запускаем инструменты и в других регионах.

Улучшать экономику

Вы будете строить модели, которые помогут партнёрам понять, какие машины закупать и сколько, как оптимизировать расходы, увеличить EBITDA и найти новые точки монетизации продукта.

Строить доверие

Вам предстоит внедрять прозрачные метрики и решения, которые делают взаимодействие с платформой и командой понятным и честным.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Работали аналитиком
* Получили высшее техническое или экономическое образование
* Хорошо знаете математику и основы статистики
* Умеете писать аналитический код на SQL и Python
* Понимаете теорию А/B-тестирования
* Проактивны
* Умеете аргументированно и доступно отстаивать собственную точку зрения, слышать мнение других
* Можете видеть за цифрами физический смысл и находить причины явлений
* Критически оцениваете полученные результаты

Платёжный движок Яндекса — центральная инфраструктура, через которую проходят платежи всех сервисов компании: от Яндекс Маркета и Яндекс Такси до Яндекс Еды, Яндекс Путешествий и десятков других продуктов. Команда платёжной эффективности отвечает за то, чтобы каждый платёж проходил успешно, а бизнес получал максимальную отдачу от трафика.

Мы развиваем динамический роутинг и каскадирование платёжного трафика, оптимизируем платёжные воронки и тайминги, исследуем конверсии и ошибки, создаём ИИ-агентов и системы мониторинга — всё это напрямую влияет на GMV и Revenue сервисов Яндекса.

Анализ платёжной воронки

Вам предстоит находить точки потерь на этапе оплаты, разбираться в причинах ошибок и просадок конверсии, оценивать их масштаб и влияние на GMV и выручку. Важно не только фиксировать проблемы, но и определять, какие изменения дадут наибольший эффект.

Развитие динамического роутинга

Нужно развивать аналитику маршрутизации платежей: оценивать успешность авторизаций, latency, стоимость обработки, работу провайдеров и банков. Цель — помогать выбирать наиболее эффективный маршрут для каждой транзакции и улучшать экономику платежей в масштабе.

Поиск и приоритизация точек роста

Вам предстоит формулировать гипотезы по улучшению платёжной конверсии, оценивать их потенциальный эффект и помогать команде выбирать инициативы с максимальным влиянием на PnL. Нужно будет задавать направление анализа и синхронизировать решения со стейкхолдерами.

Эксперименты и оценка изменений

Нужно проектировать подход к анализу, оценивать A/B-эксперименты и принимать участие в решениях о запуске, доработке или остановке изменений в платёжном процессе: роутинге, таймингах, fallback-сценариях и способах оплаты.

Метрики и мониторинг платежей

Вам предстоит развивать систему метрик и мониторинга платёжной эффективности по сервисам, платформам, способам оплаты и сегментам пользователей, чтобы команда быстро видела проблемы и принимала решения на основе данных.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Управляли командой до пяти человек
* Уверенно владеете SQL и умеете работать с большим объёмом данных
* Используете Python для анализа данных
* Способны находить закономерности в данных и объяснять причины наблюдаемых изменений
* Структурируете информацию и чётко формулируете выводы для продуктовых и технических команд
* Умеете самостоятельно формулировать аналитические гипотезы и проверять их на данных
* Можете запускать A/B-эксперименты и анализировать результаты
* Готовы постоянно учиться и осваивать новые технологии и подходы

* Работали с платежами, финтех-продуктами или финансовой аналитикой
* Работали с большими транзакционными данными
* Понимаете принципы работы платёжных систем, эквайринга и процессинга

Мы разрабатываем новую технологию Нейро для Алисы. Она за минуту решает поисковые задачи, которые обычно занимают у пользователя по несколько часов. Наша цель — уверенно победить конкурентов на российском рынке, среди которых есть очень сильные международные игроки.

В основе технологии — нейросеть LLM. Она общается с пользователем в режиме диалога, анализирует данные из интернета и пишет доступные, информативные, наглядные и достоверные ответы. Первый релиз продукта вышел в 2024 году под названием Нейро и принёс много профита Поиску Яндекса. Теперь эта технология стала частью Алисы и продолжает активно развиваться.

Наша команда аналитики — ключевая для развития новой Алисы. Каждые полгода совместно с командами ML и продукта мы готовим следующий релиз технологии. В основе каждого релиза — офлайн-разметка качества ответов, которую разрабатываем мы. С помощью разметки оцениваем, насколько ответы Алисы соответствуют нашим продуктовым целям и ожиданиям пользователей:
* Сравниваем качество ответов Side-by-Side
* Измеряем количество ложной информации и галлюцинаций в ответах с помощью факт-чекинга
* Используем крауд-разметку (выполнение заданий людьми), обучаем LLM-as-a-judge, собираем ассистентов на основе LLM для помощи исполнителям в Yandex Crowd

Разметка используется как основной инструмент для замера качества — так же как таргет для RLHF при обучении нейросетей. Наши проекты одни из самых сложных и масштабных по офлайн-разметке качества в Яндексе. Мы обладаем уникальным опытом в этой области.

Наша команда вовлечена в весь цикл создания технологии от формулировки общих продуктовых требований до отладки и приёмки готовых моделей. Чтобы успешно развивать наши проекты, нам нужно решать разные типы задач: от технических и аналитических до продуктовых.

Формализация требований к продукту

Вам предстоит разбираться в нечётких продуктовых требованиях, помогать продуктовой команде превращать их в логичные принципы и правила, которые станут чёткой инструкцией для исполнителей в Yandex Crowd и нейросетей. Придумывать, как правильно рассуждать про качество ответа, как находить в нём все фактические ошибки и оценивать их значимость для продукта.

Поиск и исправление багов LLM через обучение

Вы будете измерять в числах и улучшать качество обучения для RLHF, вместе с ML-разработчиками постоянно анализировать проблемы текущих версий LLM и исправлять их с помощью нашей разметки, разрабатывать и поддерживать удобные инструменты для сбора обучающей выборки и замера метрик в экспериментах.

Глубокий анализ качества разметки

Нужно будет собирать и обновлять эталонные сеты разметки (голденсеты), которые идеально соответствуют продуктовым целям и становятся ориентиром для развития проекта, работать с командой AI-тренеров Яндекса, разбирать с ними примеры сложных заданий, формулировать и уточнять продуктовые принципы, опираясь на данные.

Развитие больших проектов в Yandex Crowd

Предстоит набирать, обучать и тестировать исполнителей для разметки, разрабатывать процессы постоянного контроля качества, бана и реабилитации, создавать удобные дашборды, которые позволяют быстро отвечать на вопросы про производительность, стоимость и качество нашей разметки.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Понимаете, почему важно всегда смотреть в данные
* Уверенно пишете на Python и знаете алгоритмы
* Знаете математическую статистику и использовали её для проверки гипотез

* Интересуетесь продуктом, стремитесь понять, каким он должен быть и почему
* Умеете общаться, ясно излагать мысли, понимать и учитывать мнение коллег, убеждать
* Работали с табличными данными на SQL
* Имели дело с крауд-проектами, например делали разметку в Толоке
* Знаете основы машинного обучения

Ключевое направление R&amp;D — решение нестандартных задач с высокой степенью неопределённости, где готовых ответов пока нет, но есть большой потенциал влияния на пользовательский опыт.

Своей работой мы поддерживаем кино и музыку — понимаем, что влияем на то, как проводят свободное время миллионы людей, и принимаем всё разнообразие вкусов. В этом нам помогает гармония креатива и системности: мы поощряем изобретательность, сохраняя технологическую глубину и системный подход.

Подписывайтесь на телеграм-канал Yandex Infrastructure, чтобы узнать больше о том, как мы делаем внутреннюю инфраструктуру Яндекса.

Повышать эффективность кодирования видео

Вы будете оптимизировать контроль битрейта, подбирать оптимальные параметры, внедрять perceptual-кодирование и совершенствовать алгоритмы внутри энкодеров (от H.264 до AV1).

Разрабатывать методы оценки визуального качества видео

Вам предстоит создавать новые подходы с учётом внутренней архитектуры и современных достижений, в том числе применять AI/ML для повышения точности и стабильности оценок. Мы поощряем техноэнтузиазм и гордимся своими техническими достижениями.

Решать задачи по сжатию и обработке аудиоданных

Вы будете разрабатывать и внедрять алгоритмы сжатия звука с минимальными потерями качества, анализировать и улучшать существующие аудиокодеки, исследовать новые подходы (включая ML).

Разрабатывать методы детекции аномалий в передаче трафика

Вам предстоит строить модели для анализа сложных графоподобных данных, чтобы находить нештатные ситуации и оптимизировать сетевые ресурсы.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Увлечены исследовательской работой и стремитесь совершенствовать кодеки и алгоритмы обработки видео и звука
* Владеете C++, Python или Go; пишете понятный и пригодный для повторного использования код
* Знакомы с инструментами и понятиями: FFmpeg, оценка визуального качества (например, PSNR, MOS), термины и фреймворки из Computer Vision &amp; ML
* Умеете ставить эксперименты, сравнивать результаты, определять критерии сравнения
* Разбираетесь в одном или нескольких стандартах сжатия (H.264/265/266, AV1/2, Opus), работали с реализациями стандартов (например, x264/x265)

* Участвовали в R&amp;D-проектах
* Работали в проектах на стыке каких-либо из этих областей: CV, Codecs, ML, Image Video Processing, Audio Processing, Streaming
* Стремитесь развиваться как R&amp;D-специалист и эксперт, применять научные подходы в индустриальной разработке

Наш отдел работает на стыке инфраструктуры и сетевых технологий. Мы проектируем и разрабатываем сервисы для обеспечения бесперебойной работы всего Яндекса, поэтому наше подразделение — одно из ключевых в компании.

Мы управляем всеми файрволами Яндекса (пользовательским, периметровым, хостовым), развиваем файрвол как продукт в Yandex Cloud. Наши задачи по плечу либо экс-сетевым инженерам, ушедшим в разработку, либо разработчикам, которые разобрались в сетевых технологиях. Таких специалистов очень мало. Поэтому, если вы умеете писать код и готовы изучать сетевые технологии, приходите, чтобы вместе развивать сетевую инфраструктуру Яндекса и Yandex Cloud.

У нас:
* Highload: свежие правила раздаются на сотни тысяч машин
* Микросервисная архитектура
* K8s, Docker, Helm, YANET Platform и другие современные технологии
* Задачи на стыке инфраструктуры, сети и продукта: можно найти те, что вам ближе, и прокачаться в смежных областях
* Оперативная помощь смежников: СИБ поможет повысить приоритет задач

Построить сервис по управлению файрволами в Yandex Cloud

В Yandex Cloud будет несколько типов файрволов — нужно объединить управление ими в единый сервис. Готовое решение для Яндекса уже имеется — не придётся строить с нуля.

Добавить поддержку сетевых политик Kubernetes

Сделаем в K8s удобный поиск и анализ правил, защиту от случайных поломок и удобную работу с несколькими кластерами.

Масштабировать систему под 10-кратный рост нагрузки

Вас ждёт гонка производительности с постоянно растущей нагрузкой. Оптимизации и архитектурные изменения — ваш лучший друг.

Ускорить доставку правил на файрволы

В эпоху ускоренной автоматизации изменения должны применяться за секунды, без ущерба для надёжности и безопасности даже при изменениях в связанных системах. Например, в ситуации, когда пользователь меняет DNS-запись и не всегда помнит, как это влияет на файрвол.

Решать инженерные задачи на стыке бэкенда, сетей и нетворкинга

Это не задачи вроде «написать ещё один CRUD»: предстоит глубоко погрузиться в сетевую инфраструктуру, балансировку нагрузки и эксплуатацию крупных распределённых систем. Опытные коллеги обязательно помогут.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Берёте на себя ответственность за задачу от идеи до выхода в продакшн и умеете работать над техническими решениями вместе с командой
* Готовы погружаться в предметную область и разбираться в сетевых технологиях
* Хорошо знаете Go или другой язык при базовом опыте с Go
* Умеете разбираться в чужом коде, в том числе написанном на других языках
* Знаете, где стоит запятая в «деплоить потом тестить»

* Работали с Kubernetes, Docker и PostgreSQL
* Строили распределённые и высоконагруженные сервисы
* Работали с observability: метриками, логами, трассировками, алертами
* Умеете приручить LLM так, чтобы получать от него качественный код и комментарии по делу
* Не любите ручную тягу и умеете в автоматизацию: CI/CD, автотесты

Подписывайтесь на [телеграм-канал Yandex Infrastructure](https://t.me/+PZIYnlkjFeNmMjE6), чтобы узнать больше о том, как мы делаем внутреннюю инфраструктуру Яндекса.

Вам интересно создавать распределённые системы, которые сами обнаруживают ошибки и исправляют их? Работать с передовыми технологиями обучения ML-моделей? Яндекс запускает большую часть обучений в опенсорсной платформе YTsaurus (github), и в отделе YTsaurus (около 70 разработчиков) мы создали команду ML-инфраструктуры, чтобы повышать надёжность и эффективность обучений.

YTsaurus — ключевая часть инфраструктуры Яндекса, платформа для хранения данных и запуска распределённых вычислений. YTsaurus позволяет работать с табличными данными и запускать вычисления — как с помощью парадигмы MapReduce, так и с использованием интерфейсов Spark, ClickHouse, YQL. Кроме того, ML-разработчики всего Яндекса используют нашу платформу для запуска распределённых обучений, и в этих сценариях работа с YTsaurus сильно отличается от привычных сценариев распределённых вычислений. Вместо тысяч коротких джобов на CPU в ML-сценариях запускаются вычисления, выполняющиеся на GPU, которые могут длиться несколько дней или даже недель.

ML-инфраструктура — одно из приоритетных направлений в Яндексе. Мы продолжаем развивать YTsaurus, чтобы работа с ML-сценариями становилась всё удобнее и эффективнее для разработчиков. Для решения этих задач мы ищем сильного инженера, готового разбираться в сложной предметной области и строить удобную инфраструктуру для широкого круга пользователей. Нам нужны те, кто принесёт свежие идеи из смежных областей и реализует их. Мы ценим изобретательность, энтузиазм и умение работать в команде. Наши разработчики сразу видят результат своей работы, потому что большая часть Яндекса пользуется разработанными технологиями.

У нас есть разные направления работы, и вы можете как сфокусироваться на одном из них, так и принести пользу сразу в нескольких. Эксперты в команде помогут разобраться с тонкостями системы. Вы будете работать в основном с Python, но встречаются и задачи, связанные с C++ или Go.

Повышение надёжности и удобства обучений

Мы разрабатываем единую библиотеку распределённых обучений, которая будет интегрирована со всем спектром систем запуска обучений, анализа логов, профилирования, мониторинга и др. Мы хотим сократить количество ручных действий и нестабильностей, чтобы быстрее двигаться вперёд.

Автоматизация обнаружения и устранения ошибок распределённых обучений

Одна из важных проблем состоит в том, что в случае ошибки обучения бывает сложно определить точную причину: выход из строя одного из серверов, сбой сети при передаче данных или ошибка в пользовательском коде. Мы работаем над тем, чтобы автоматически обнаруживать ошибку и принимать решение о необходимости перезапуска обучения на другом оборудовании, а также рекомендовать пользователю способы исправления ошибки.

Мониторинг, профилирование и оптимизация использования GPU

Различные сбои и неэффективности могут приводить к тому, что GPU простаивают. Мы разрабатываем инструменты, позволяющие обнаруживать и анализировать неэффективное использование GPU.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Уверенно владеете Python, Go или C++
* Умеете и хотите разбираться в распределённых системах и нетривиальном коде
* Способны быстро погружаться в новые задачи и находить оптимальные решения — даже в незнакомых областях и при меняющихся приоритетах

* Готовы взаимодействовать с пользователями и помогать им диагностировать проблемы
* Понимаете, как устроено ML-обучение

Яндекс Образование объединяет проекты для школьников, учителей, студентов и начинающих специалистов. Мы создаём образовательные продукты на основе технологий Яндекса, развиваем программы вместе с ведущими вузами, поддерживаем талантливых школьников и вовлекаем сотрудников Яндекса в преподавание.

Больше о том, как мы внедряем технологии в креатив, — в канале [Yandex for TechnoCreative](https://t.me/Yandex4TechnoCreative). Все профессии внутри разделов

Развивать коммуникации школьного направления

Вы будете формировать и реализовывать PR-план направления, сопровождать запуски образовательных продуктов и инициатив для школьников, родителей и учителей, работать со СМИ, авторами и партнёрами из сферы образования. Важно будет не только рассказывать о новых возможностях продуктов, но и находить истории, которые показывают их реальную пользу для аудитории.

Формировать общую повестку Яндекс Образования

Вместе с командой вы будете искать темы, которые выходят за рамки отдельных запусков и помогают последовательно рассказывать о роли Яндекса в образовании. Предстоит находить инфоповоды в данных, исследованиях, технологиях и экспертности команды, придумывать для них подходящие форматы — от аналитических материалов и экспертных комментариев до спецпроектов и публичных дискуссий — и доводить идеи до реализации.

Работать с репутационной и отраслевой повесткой

Вы будете следить за тем, как меняются образование, технологии и отношение к ним, находить возможности для содержательного участия Яндекса в важных общественных дискуссиях.

Координировать проекты и команды

Вы будете работать с продуктовыми, маркетинговыми, аналитическими, исследовательскими и коммуникационными командами Яндекса, готовить материалы для внешних коммуникаций и спикеров, ставить задачи подрядчикам и оценивать результаты PR-активностей.

* Не менее пяти лет работали в PR или внешних коммуникациях — в агентстве или инхаус-команде
* Умеете вести продуктовый PR и при этом видеть более широкую репутационную задачу бренда
* Умеете находить и создавать инфоповоды, а не только сопровождать готовые запуски
* Умеете превращать данные, исследования и сложную экспертность в ясные и интересные истории для разных аудиторий
* Понимаете принципы работы с крупными брендами и общественной повесткой
* Хорошо пишете, умеете выстраивать отношения со СМИ и подбирать формат под задачу
* Самостоятельны и структурны, умеете координировать много участников и доводить проекты до результата

* Работали с образовательными, технологическими или EdTech-продуктами
* Знакомы со спецификой коммуникаций для школьников, родителей и учителей
* Запускали исследования, аналитические проекты или интегрированные PR-кампании
* Понимаете, как устроена работа большой экосистемной компании

Команда трекинга, которая входит в отдел восприятия Автономного транспорта, следит за тем, чтобы автомобиль правильно «видел» и понимал поведение окружающих его агентов: машин, пешеходов, роботов доставки и т. д. Результаты работы трекинга помогают грамотно планировать движение автономного транспорта.

Разработка модулей трекинга

Вы будете полноценно разрабатывать и заменять отдельные алгоритмические модули 3D-multi-object-трекинга: использовать ML-based-подходы либо улучшать существующие. Работа пройдёт от постановки гипотезы до внедрения результатов в production.

Разработка end-to-end 3D-трекинга

Вы будете изучать статьи, реализовывать end-to-end-подходы к трекингу, ставить эксперименты и собирать нужные данные.

Работа с 3D‑данными

Вы будете внедрять подходы active learning, weak labeling и semi-supervised, чтобы обучать и настраивать 3D-multi-object-трекер.

Масштабирование production

Вы будете оптимизировать модели и алгоритмы, анализировать ошибки, работать с большими объёмами данных и инфраструктурой трекинга.

Больше об ML в Яндексе — в канале Yandex for ML

* Работали с PyTorch или TensorFlow и фреймворками поверх них
* Работали с временными рядами или авторегрессионными моделями в ML/DL
* Стремитесь использовать в работе и распространять универсальные, масштабируемые практики
* Ориентируетесь в мире прикладного DL: знаете теорию компьютерного зрения, добиваетесь практических результатов
* Понимаете особенности realtime‑ограничений
* Читаете статьи с ML‑конференций, следите за развитием области

* Работали с доменами задач со сложной структурой данных
* Выполняли задачи автономного транспорта
* Интересуетесь развитием домена автономного транспорта (perception, planning, simulation)

Ищем специалиста, который будет заниматься аналитикой качества товарного ранжирования в Поиске и в Алисе. Вам предстоит отвечать на множество вопросов. Например:
* Как научить ML-модели понимать, что этот конкретный товар предпочтительнее показать в выдаче, чем какой-то другой?
* Как понять, что ранжирование в Поиске хорошо работает и как это замерить?
* Правда ли, что товары, которые предлагает Алиса пользователям, — это то, что им нужно, и можно ли сделать эту выдачу лучше?
* Можем ли мы понять, что с большей вероятностью хочет видеть пользователь, и предложить ему именно это?

Выстраивание системы метрик

Метрики — основа любого продукта. От их качества зависит, что в итоге выучат наши ML-модели и в какую сторону будет двигаться продукт. Мы используем систему из офлайн- и онлайн-метрик. Эту систему предстоит улучшать, а для этого нужно понять, где её область применения, какие у неё недостатки и как их исправить.

A/B-эксперименты

Эксперименты ранжирования сильно влияют на перераспределение трафика в интернете и на поведение пользователей. А как понять, что стало лучше? Особенно если одна метрика смотрит в позитивную сторону, а другая — в негативную.

Поиск точек роста

Какие фичи стоит добавить в ML-модели? На каких срезах мы работаем лучше, а на каких хуже? Почему мы не показали самую релевантную ссылку по запросу, где она потерялась? Как часто такое происходит? Это только часть вопросов, на которые предстоит отвечать

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Работали с большими объёмами событийных данных и логами различных сервисов
* Уверенно владеете Python и SQL
* Знаете статистику и теорию вероятностей
* Можете самостоятельно разбираться в данных, находить проблемы качества и причины аномалий

* Участвовали и побеждали в олимпиадах по математике, физике, программированию
* Работали с архитектурой аналитических данных продукта: собирали витрины, понимаете, что такое ETL
* Разрабатывали и внедряли новые метрики
* Знаете основы машинного обучения

Мы ищем сильного тимлида в команду информационной безопасности Яндекс Финтеха. Вы возглавите группу Security Engineers и будете отвечать за архитектуру и реализацию защитных механизмов в высоконагруженной финтех-платформе. Ваша задача — выстроить процессы, обеспечить соответствие регуляторным требованиям и защитить инфраструктуру, данные и сервисы от киберугроз.

Управление командой

Вам предстоит руководить группой Security Engineers, ставить задачи, приоритизировать проекты, проводить код-ревью и архитектурные ревью, помогать в развитии компетенций.

Стратегия и архитектура безопасности

Вы будете проектировать и внедрять защитные механизмы для облачной и гибридной инфраструктуры, приложений, API и данных, а также участвовать в архитектурных комитетах.

Процессы и автоматизация

Нужно будет выстраивать процессы безопасной разработки (SSDLC), внедрять инструменты SAST/DAST/SCA, автоматизировать проверки безопасности, интегрировать security в CI/CD.

Инцидент-менеджмент

Вам предстоит организовать процессы обнаружения, реагирования и расследования инцидентов, вести playbooks, проводить постмортемы. Необходимо обеспечивать соответствие внутренним политикам, отраслевым стандартам и регуляторным требованиям: 152‑ФЗ, 187‑ФЗ, PCI DSS, ISO 27001 и другим — в зависимости от специфики компании.

Взаимодействие со смежными командами

Вы будете работать с командами разработки, DevOps, платформы, тестирования, комплаенса, а также с внешними аудиторами. Предстоит поддерживать документацию по безопасности актуальной, готовить отчёты для руководства, обучать команды лучшим практикам.

Больше о безопасности в Яндексе — в канале Yandex for Security

* Более пяти лет работали в сфере информационной безопасности, из них не менее двух лет — в руководящей роли (тимлида или руководителя направления)
* Внедряли и применяли инструменты безопасности: SIEM, WAF, IDS/IPS, EDR/XDR, сканеры уязвимостей, инструменты для анализа кода и зависимостей
* Глубоко понимаете модели угроз, принципы Secure by Design, подходы к защите облачных сред (AWS, Azure, GCP, Yandex Cloud), контейнеризации, микросервисов и API
* Понимаете процессы SSDLC, умеете внедрять security-практики в инженерные процессы
* Знаете актуальные стандарты и требования (ISO 27001, NIST, PCI DSS и т. п.) и проходили аудиты или сертификации
* Имеете сильные лидерские и коммуникативные навыки: умеете договариваться, аргументировать свою точку зрения, обучать и мотивировать команду

* Работали в финтехе или высокорегулируемых отраслях
* Выстраивали программы Bug Bounty или управляли внешними пентестами
* Проектировали и внедряли архитектуру Zero Trust
* Имеете профессиональные сертификаты: CISSP, CISM, OSCP, OSCE, CCNA Security, AWS Security Specialty и т. п.
* Умеете писать скрипты (Python, Go, Bash) для автоматизации задач безопасности

Наша команда разрабатывает платформу для создания, развёртывания и запуска сред, используемых при обучении и оценке AI-агентов. Среда — это задача с инструментами и правилами оценки результата: от игры до репозитория с багом, который агент должен исправить. Автор описывает только логику среды, а платформа берёт на себя её запуск в распределённой инфраструктуре.

Каждая среда работает в изолированной песочнице, где агент может безопасно выполнять код, работать с файлами и обращаться к внешним сервисам. Пайплайны обучения и оценки одним вызовом получают адрес готовой среды и могут одновременно запускать сотни тысяч агентных траекторий, не занимаясь управлением вычислительными ресурсами.

Мы тесно сотрудничаем с ML‑инженерами — они обучают языковые модели для продуктов Алисы. Область быстро развивается, поэтому мы следим за новыми подходами к обучению LLM и за тем, как строят продакшен‑системы для AI‑агентов. С учётом новых сценариев и требований мы развиваем платформу.

Развитие песочниц

Вы будете развивать инфраструктуру, чтобы безопасно выполнять произвольный код: ускорять запуск песочниц, управлять их ресурсами и жизненным циклом, улучшать сетевую изоляцию и контроль доступа к внешним ресурсам, в том числе к интернету.

Развитие платформы

Вам предстоит развивать продуктовый слой платформы поверх песочниц: управлять жизненными циклами контейнеров, эффективнее использовать ресурсы — в том числе запускать несколько траекторий в одном контейнере, когда это позволяет среда. Также предстоит развивать реестр сред, мониторинг и веб‑интерфейс. Важно обеспечить надёжную работу всех компонентов при массовых параллельных запусках.

Развитие инструментов

Вы будете улучшать API, Python SDK, CLI и веб‑интерфейс платформы — упрощать локальную разработку, публикацию и отладку сред, а также их подключение к системам обучения и оценки моделей.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Разрабатывали бэкенд на Go или Python либо готовы перейти на них с другого языка
* Понимаете принципы работы распределённых систем
* Готовы проектировать, тестировать и сопровождать свои решения

* Работали с контейнерами, Kubernetes или другими системами оркестрации
* Работали с виртуализацией или изоляцией процессов
* Оптимизировали высоконагруженные или ресурсоёмкие распределённые системы
* Знакомы с устройством AI‑агентов, обучением с подкреплением и оценкой качества моделей

Ежедневно миллионы пользователей приходят в Яндекс Поиск, чтобы решить свои задачи: купить товар, выбрать фильм, найти врача и многие другие. Важную роль в процессе выбора играют отзывы. Мы занимаемся подготовкой инфраструктуры для сбора отзывов и их обработки, чтобы помочь пользователям сэкономить время и упростить принятие решения.

Ищем дата-инженера или бэкендера, знающего SQL и Python, классические алгоритмы и структуры данных.

Сбор отзывов от пользователей

Наша основная задача — поделиться с пользователями Яндекса реальным опытом реальных людей. Для этого нужно находить пользователей, готовых оставить свой отзыв о товарах и услугах, а также нужно доносить опросы до разных площадок Поиска.

Показ агрегированного опыта пользователей

Для отображения отзывов используется множество эвристик и моделей: подсчёт рейтингов и их динамики, ранжирование отзывов, выделение важных аспектов в отзывах, модерация контента. Полученные данные нужно донести до пользователей и других сервисов Яндекса.

Аналитика

В ходе работы потребуется внедрять метрики и мониторинги качества, обрабатывать и анализировать Big Data, предлагать идеи для улучшения продуктов.

Больше о разработке в Яндексе — в канале Yandex for Developers

* Работали в роли старшего разработчика, дата‑инженера или тимлида больше трёх лет
* Владеете инструментами и технологиями работы с большими данными, например Hadoop, Spark, SQL, Python
* Знакомы с C++
* Нацелены на результат и готовы отвечать за влияние своих решений на работу продукта

* Обучали модели или применяли ML в работе: знакомы с LLM, CatBoost и другими инструментами
* Понимаете принципы CI/CD и автоматизировали процессы обработки данных

Команда Daily Banking развивает ежедневные финансовые сценарии в Яндекс Пэй.

Мы ищем продуктового менеджера, который будет отвечать за развитие реферальной программы «Приведи друга» и запуск стратегических продуктовых проектов, которые углубят интеграцию Яндекс Пэй с сервисами экосистемы.

Реферальная программа

Вы будете развивать реферальную программу Яндекс Пэй как самостоятельный продукт: формировать стратегию развития, улучшать пользовательский путь, искать новые механики привлечения и повышать эффективность программы.

Стратегические проекты внутри Daily Banking

Понадобится запускать продуктовые инициативы, которые помогают пользователям чаще пользоваться финансовыми сервисами Яндекс Пэй и открывают новые сценарии взаимодействия с сервисами экосистемы.

Больше о создании продуктов в Яндексе — в канале Yandex for Products

* Работали менеджером продукта не меньше четырёх лет и самостоятельно запускали новые продуктовые инициативы
* Развивали продукты с использованием продуктовой аналитики и A/B-тестирования
* Умеете строить экономику продукта и принимать решения на основе данных
* Имеете опыт кросс-командной работы и умеете договариваться с большим количеством стейкхолдеров
* Любите запускать новые продукты и искать нестандартные точки роста

* Запускали реферальные программы

Наша команда развивает Alice AI LLM — технологию, которая лежит в основе разных продуктов Яндекса. Главный из этих продуктов — чат с Алисой.

Мы фокусируемся на продуктовых агентских сценариях: задачах, где пользователь с помощью Алисы взаимодействует с экосистемой Яндекса. Наша цель — научить базовую модель идеально ориентироваться в этих сценариях, выступая умным и надёжным помощником-агентом (например, чтобы Алиса могла сама заказать продукты в Лавке, выбрать лучший смартфон на Маркете или спланировать сложный отпуск в Путешествиях).

Почему у нас классно:
* Мы учимся решать задачи, которые пока никто не умеет решать. Оценка агентских способностей в реальных продуктах сейчас активно развивается во всём мире, и здесь много пространства для собственных идей
* Alice AI — быстро растущий проект, у нас можно проявить себя и поработать с опытными ML-специалистами
* Можно гонять самые современные модельки Яндекса на мощных GPU-кластерах
* Данные, которые вы собираете, и бенчмарки, которые вы строите, напрямую обеспечивают процесс обучения (в том числе RL) базовой модели
* Наша работа напрямую влияет на то, как миллионы людей будут взаимодействовать с сервисами Яндекса в ближайшем будущем

Создание продуктовых бенчмарков

Наша главная задача — придумать критерии и построить надёжные бенчмарки, на которых можно честно сравнивать разные модели между собой в реальных продуктовых сценариях. Вам предстоит формулировать метрики оценки для задач, где модель взаимодействует с сервисами Яндекса (и не только!), и делать эти метрики стабильными.

Разработка сред для агентов

Вам предстоит много кодить на Python: оборачивать API сервисов (Маркета, Яндекс Еды и других) в виртуальные среды, в которых будут тестироваться, работать и обучаться наши агенты.

Сбор данных и генерация эталонных траекторий для RL

Современные модели учатся через взаимодействие со средой. Вам предстоит формулировать сложные задания и собирать эталонные траектории действий (golden trajectories). Вы будете управлять пайплайнами сбора данных, комбинируя разные подходы: работу с внутренними редакторами, краудсорс и автоматическую разметку через LLM-as-a-judge.

Анализ точек роста и погружение в данные

Всё ещё остаются сложные продуктовые сценарии, с которыми модель пока не справляется. Вы будете находить эти узкие места, разбирать проблемы и адаптировать под них бенчмарки. Для этой задачи крайне важна ваша личная насмотренность в текстах и логах моделей: способность «руками» прочувствовать данные и понять, как максимизировать рост качества.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Отлично знаете Python: умеете писать сложный, чистый код (это необходимо для создания виртуальных сред)
* Уверенно владеете SQL, любите и умеете анализировать сложные структуры данных с его помощью
* Знаете теорию вероятностей и математическую статистику
* Понимаете, как устроены агентские системы, или участвовали в их построении
* Интересуетесь развитием LLM и хотели бы глубоко погрузиться в эту тему
* Очень самостоятельны и готовы браться за SOTA-задачи, для которых нет готовых решений

* Взаимодействовали в кросс-сервисных командах
* Понимаете, как работает RL (Reinforcement Learning) в контексте языковых моделей
* Работали с метриками в NLP или строили синтетические пайплайны генерации данных
* Свободно читаете на английском

Мы работаем с самой большой аудиторией в стране. Подписка Яндекс Плюс объединяет крупнейшие контентные сервисы — Кинопоиск, Яндекс Музыку и Яндекс Книги. Число подписчиков уже превысило 48 миллионов. Сервис Яндекс Афиша ежемесячно привлекает около 15 миллионов пользователей.

Каждый день наши пользователи слушают музыку, смотрят кино, читают и обсуждают книги, выбирают события и делятся впечатлениями с друзьями. Задача бренда — регулярно общаться с этой огромной аудиторией и давать поводы для обсуждений.

Мы ищем руководителя PR‑коммуникаций. Вам предстоит работать со СМИ, медиа, лидерами мнений и аудиторией от лица бренда. Нужно будет управлять репутацией, вовлекать аудиторию в обсуждение контента с помощью спецпроектов и коммуникаций, а также объяснять преимущества подписки и сервисов Яндекса.

Управление повесткой

Вы будете выстраивать коммуникационную стратегию, придумывать идеи и инфоповоды, работать со спикерами, а также взаимодействовать с продуктовой командой подписки и сервисов Фантеха и Яндекс Афиши.

Репутационный менеджмент

Вы будете работать с инфоповодами, которые повышают привлекательность бренда и продуктов, заниматься антикризисными коммуникациями и вести репутационный SMM‑трек.

Кросс-сервисные коммуникации

Вы будете работать с PR-отделами, digital‑командами и маркетингом сервисов Яндекса, чтобы создавать совместные спецпроекты и инфоповоды.

* Работали с контентом и продуктами, которые дистрибуцируют контент: музыкальными и киностримингами, телеканалами, книжными сервисами и другими
* Ориентируетесь в индустрии подписок, следите за трендами подписной индустрии в России, Европе и США
* Умеете работать с продуктовыми запусками, интервьюировать продуктовые команды и разработчиков, адаптировать техническую и продуктовую информацию под разные коммуникационные форматы
* Имеете опыт антикризисных коммуникаций, затрагивающих разные сегменты аудитории: от точечных коммуникаций с отдельными пользователями до широких коммуникаций с сегментом аудитории свыше 1 млн человек
* Умеете работать с данными и создавать инфоповоды на основе аналитики
* Сочетаете PR‑форматы с диджиталом, CRM и маркетинговыми коммуникациями
* Быстро ориентируетесь в условиях сжатых дедлайнов и в постоянно изменяющемся инфополе
* Можете брать на себя ответственность за результат и доводить задачи до результата
* Способны координировать коммуникацию кросс‑команд
* Быстро погружаетесь в новые задачи и направления

Больше о том, как мы внедряем технологии в креатив, — в канале [Yandex for TechnoCreative](https://t.me/Yandex4TechnoCreative)

Все профессии внутри разделов

Мы создаём умного LLM-консультанта по покупкам в интернете. Наш ассистент — это не просто чат-бот, а интеллектуальный помощник, который понимает, чего хочет пользователь, находит для него лучшие варианты товаров, умеет про них рассказать и продемонстрировать их. Мы используем одновременно генеративные и поисковые технологии, чтобы давать не просто ответы, а проверенную, релевантную и полезную информацию в удобном для пользователя виде.

Почему это важно?

E-commerce — один из ключевых сценариев для ассистентов будущего. Люди хотят не просто «поговорить с ИИ», а получить конкретную помощь в покупках. Наша задача — сделать так, чтобы каждый диалог с ассистентом экономил время, деньги и нервы пользователя. А для этого нужно не только крутое ML-ядро, но и глубокая аналитика, точные метрики и продуманные механики взаимодействия.

Разрабатывать метрики качества (офлайн и онлайн)

Вам предстоит разрабатывать метрики, которые помогут понять, что наш подбор товаров работает и что он действительно хорош.

Автоматизировать оценку ответов

Это нужно, чтобы нейросети могли учиться при помощи RL-алгоритмов.

Искать точки роста

Вы будете анализировать текущие проблемы продукта и придумывать, как их решить.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Уверенно владеете Python и SQL
* Умеете выдвигать продуктовые гипотезы, проводить эксперименты и интерпретировать результаты
* Заботитесь о высоком качестве конечного продукта
* Можете превращать неформальные требования к проекту в конкретные оптимизируемые метрики
* Готовы погружаться в новые технологии

* Участвовали и побеждали в олимпиадах по математике, физике, программированию
* Знаете основы машинного обучения
* Читаете и понимаете профильные тексты на английском языке

Мы команда, создавшая агента «Исследовать» в Алисе: систему, которая самостоятельно ищет, анализирует и структурирует знания для миллионов пользователей. Теперь мы идём дальше — запускаем два новых LLM-спецпроекта (подробнее расскажем на финале), где предстоит строить автономных агентов нового уровня. Если вам интересно не просто работать с LLM, а проектировать интеллектуальные системы, которые реально меняют пользовательский опыт, — нам по пути.

Мы работаем над реальными LLM-агентами, которые используют миллионы пользователей Алисы. У вас будет возможность участвовать в новых проектах на переднем крае AI и свобода предлагать архитектурные решения, влиять на развитие систем. Вы сможете глубоко погрузиться в современный стек разработки интеллектуальных систем.

Разработка и улучшение LLM-агентов

Вы будете проектировать пайплайны, реализовывать инструменты и управлять поведением моделей. Предстоит выстраивать архитектуру агентов от промпт-инженерии до оркестрации вызовов и маршрутизации между компонентами.

Развитие агента «Исследовать» Алисы

Это система, способная самостоятельно находить, анализировать и структурировать знания. Вам предстоит улучшать качество поиска, логику рассуждений и способность агента синтезировать информацию из множества источников.

Работа над качеством моделей и систем оценки

Нужно будет анализировать ответы моделей, выстраивать метрики и участвовать в разработке и интеграции систем автоматической оценки, например LLM-as-a-Judge, чтобы качество генерации можно было измерять и улучшать системно.

Исследование и внедрение современных подходов к агентным системам

Мы следим за передним краем — инструментальным использованием моделей, агентными архитектурами, LLM-оркестрацией. Вам предстоит исследовать новые подходы, проверять гипотезы на экспериментах и доводить лучшие из них до продакшена.

Разработка вспомогательных ML-модулей

Вокруг LLM живёт целая экосистема: классификаторы, ранжирование, вспомогательные модели и сервисы. Вы будете проектировать и развивать эти компоненты, обеспечивая надёжную работу всей системы.

Больше об ML в Яндексе — в канале Yandex for ML

* Уверенно владеете Python и имеете опыт разработки ML-систем
* Работали с ML-фреймворками (PyTorch, TensorFlow)
* Понимаете принципы работы трансформеров, LLM и attention-механизмов
* Интересуетесь архитектурами LLM-агентов, оркестрацией моделей и качеством генеративных систем
* На базовом уровне знаете NLP или работали с текстовыми моделями
* Способны разбираться в сложных системах и самостоятельно исследовать новые подходы

* Работали с LLM-фреймворками (LangChain, LlamaIndex и другими)
* Оценивали качество генеративных моделей
* Разрабатывали сервисы вокруг ML-моделей