яндекс

ML-разработчик в бригаду развития автотаргетинга

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 пользов…

яндекс · На сервисе с: 01.10.26 17:15

Зарплата не указанаРоссияМосква

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

Похожие вакансии Data Science & ML

Соц.сети
Н

Tech Lead NLP Engineer | LLM Inference

Неизвестный работодательНа сервисе с: 01.10.26 17:11
Зарплата не указанаПольшаУдалёнка

#vacancy #TechLead #NLPEngineer #LLM #MachineLearning #Inference #GenAI #Remote

Tech Lead NLP Engineer | LLM Inference | Remote

Возглавьте техническое развитие NLP в AI-продукте, где большие языковые модели уже работают в production. Компания развивает платформу для персонализированного общения с AI-персонажами, дообучает open-source модели и работает с LLM до 1T параметров.

Чем интересна роль
• Около 70% времени - hands-on engineering, без Project/People Management
• Оптимизация скорости, стоимости и стабильности inference больших LLM
• Distributed inference на multi-GPU / multi-node инфраструктуре: 32×H200 + AWS
• Training и post-training LLM, развитие agent architectures
• Техническое лидерство NLP/CV-команды и перспектива роста до Head of ML
• Сильная команда, высокое вознаграждение, удаленно

Роль для вас, если
• Есть production-опыт оптимизации LLM inference: SGLang / vLLM / TensorRT-LLM
• Работали с distributed inference/training больших моделей: MoE, tensor/expert/pipeline parallelism, multi-node GPU
• Сильны в KV cache, attention kernels, batching, quantization, GPU profiling
• Есть опыт training/fine-tuning и post-training: RLHF, DPO или аналоги
• Уверенно работаете с PyTorch / Transformers
• English В2+

Полное описание ••••••••
Отклик и вопросы ••••••••

Соц.сети
U

AI / ML Specialist

udp_rkНа сервисе с: 01.10.26 16:48
750 000–1 300 000 KZT (≈ 143k–247k ₽)КазахстанАстанаОфис

AI / ML Specialist
UDP RK
750,000 to 1,300,000 KZT Gross per month
Astana / Office

IT support for government agencies, including the Executive Office of the President, Prime Minister’s Office, Department of Presidential Affairs, and Constitutional Court.

Responsibilities:
• Analyze data and select architectures for model training
• Test new approaches and deploy models to production
• Set up offline environments and integrate local LLMs

Requirements:
• Proficient in Python and ML tools (Pandas, Scikit-learn, PyTorch/TensorFlow)
• Understanding of mathematics and statistics for algorithms
• Experience with NLP, CV, or LLM architectures
• Ability to package solutions in Docker
• Basic Linux knowledge and API development experience
• Willingness to work offline in a secure environment

••••••••

Соц.сети
M

Senior Machine Learning Engineer

miraitechНа сервисе с: 01.10.26 16:47
750 000–1 500 000 KZT (≈ 143k–285k ₽)КазахстанАстанаОфис

Senior Machine Learning Engineer
MiraiTech
750,000 to 1,500,000 KZT NET per month
Astana / Office

MiraiTech is a SportTech startup developing an AI platform for biomechanical athlete analysis with proprietary sensors, scaling from R&D to production.

Responsibilities:
• Develop, validate, and deploy ML/DL models in production
• Work with time-series and multimodal sensor data
• Build data-processing, inference, monitoring, versioning, and retraining pipelines
• Improve model accuracy, robustness, latency, and efficiency
• Collaborate on experiments, data collection, and sensor integration

Requirements:
• 3+ years of commercial Machine Learning experience
• Strong Python and Deep Learning skills
• Experience with time series, PyTorch/TensorFlow, and ML evaluation
• Production ML deployment experience
• Experience with APIs and data pipelines
• Familiarity with Docker, databases, cloud, and GPU workloads
• Ability to drive ML tasks from experimentation to production

••••••••

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.