Data Scientist/ML инженер (Python)

Автотаргетинг — это технология, которая помогает рекламодателям находить свою аудиторию в Поиске Яндекса без необходимости вручную перечислять все запросы, по которым должно показываться объявление. Автотаргетинг анализирует запрос пользователя и рекламное объявление, чтобы оценить, насколько рекламное предложение соответствует интересам пользователя. Сегодня на эту технологию приходится больше половины трафика поисковой рекламы, поэтому даже небольшие изменения в ней заметно влияют на пользовательский опыт на Поиске, продуктовые метрики и выручку Яндекса.

В основе автотаргетинга — NLP-модели, которые оценивают семантическое соответствие поискового запроса рекламному предложению. Развивая алгоритмы автотаргетинга, мы стремимся находить больше подходящих объявлений и сохранить высокое качество поисковой рекламы. Отдельный инженерный вызов — за короткое время, отведённое на ответ Поиска, выбрать несколько объявлений из многомиллионной базы и обеспечить работу моделей при нагрузке в десятки тысяч RPS.

Развитие технологии подбора рекламы по описанию запросов

В октябре у рекламодателей появляется новая возможность для более точной настройки автотаргетинга. Теперь рекламодатель сможет в свободной форме описать критерии, которым должны соответствовать запросы для показа его объявления, а система учтёт это описание при отборе рекламы. Вы будете улучшать модели, оценивающие соответствие запроса текстовому описанию, экспериментировать со способами его представления и разрабатывать алгоритмы генерации описаний на основе настроек и статистики рекламной кампании.

Развитие ML-моделей автотаргетинга

В автотаргетинге мы используем модели разного размера для разных задач: большие декодеры для офлайн-разметки, биэнкодеры и компактные кросс-энкодеры для рантайма. Вы будете экспериментировать с архитектурами моделей, добавлять новые фичи, собирать разметку с помощью асессоров и LLM. Основные направления на ближайшее время — повышение качества больших моделей и развитие кросс-энкодеров для адаптации алгоритмов автотаргетинга к отдельным срезам запросов и рекламным кампаниям.

Доведение ML-решений до продакшена

Вы будете проходить полный цикл разработки: находить точки роста, формулировать гипотезы, определять целевые метрики и ограничения, готовить данные и признаки, обучать модели и строить пайплайны. Предстоит также проверять решения в A/B-экспериментах на реальном трафике, анализировать их влияние на эффективность рекламы и внедрять успешные улучшения в продакшен.

Больше об ML в Яндексе — в канале Yandex for ML

* Хорошо разбираетесь в NLP и на практике решали NLP-задачи
* Хотите заниматься прикладными ML-исследованиями и доводить результаты до продакшена
* Можете самостоятельно формулировать и проверять гипотезы и анализировать результаты экспериментов

* Решали задачи семантического поиска
* Знакомы с современными подходами в рекомендательных системах