Разработчик в ранжирование Рекламы

Для отбора лучших баннеров под запрос используются многостадийное ранжирование, различные алгоритмы и сервисы для инференса ML-моделей: генеративные модели, нейросети на GPU/CPU, BERT, решающие деревья. На каждом этапе рассчитывается множество ML-моделей для сужения воронки баннеров. Затем на стадии аукционов формируются многобаннерные блоки и сравниваются друг с другом, чтобы определить победителя и отправить его на отрисовку пользователю.

Мы каждые полгода выкатываем изменения, которые увеличивают доход от рекламы, наши системы обрабатывают порядка миллиона RPS, а в наших инференс-сервисах прогоняется порядка 100 млн баннеров в секунду.

Разработка в движке — добавление новых стадий в аукционах, реализация алгоритмов наполнения блоков

Мы активно перерабатываем механику аукционов: внедряем новые архитектуры моделей, меняем подходы к аукционной амнистии, исследуем алгоритмы наполнения блоков, добавляем фичи, оптимизируем производительность.

Поддержка новых моделей для прогноза CPM — подготовка признаков, использование микросервисов для инференса

У нас есть проекты, связанные с сервисами инференса ML-моделей. Модели в разных сервисах рассчитываются параллельно, чтобы сократить критическое время выполнения. Каждый из сервисов оптимизирован для повышения пропускной способности.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Уверенно владеете C++
* Знаете concurrency
* Знакомы с основами ML
* Работали с микросервисами
* Знакомы с профилированием

* Работали с GPU
* Получили MLOps-опыт