Наша команда делает персональные рекомендации товаров на главной странице Яндекс Маркета, аналоги и сопутствующие товары в карточке товара, а также апсейл-рекомендации в корзине. Также мы занимаемся персонализацией поиска.
Сейчас мы хотим усилить направление товаров-аналогов и персонализации поиска, поэтому ищем ML-инженера.
Какие задачи вас ждут
Развитие текущих моделей для подбора аналогов
Это SplitBERT, коллаборативная фильтрация, статистическая совстречаемость и др.
Ранжирующие катбусты
Понадобится добавлять персональные фичи, экспериментировать с таргетом.
Учёт юнит-экономики в рекомендациях
Отвечать на вопрос, как на разных этапах рекомендательной системы учесть свойства товара.
LLM
Генерация категорийных связок аналогов и сопутствующих товаров через LLM. Первый подход уже в проде — нужно улучшать.
Аналитика данных, EDA
Изучать наши данные и искать точки роста в ML-моделях через новые таргеты, фичи или бизнес-логику.
Мы ждем, что вы
- Разбираетесь в классическом ML (CatBoost, ML-метрики, способы генерации фич) и NLP (дообучение BERT, базовые знания LLM)
- Владеете Python и SQL (YQL)
- Проводили A/B-тестирование
Будет плюсом, если вы
- Работали с задачами поиска или рекомендаций
- Работали с LLM
