Садовническая набережная 77с1
Яндекс Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 40 миллионов подписчиков каждый день используют разнообразные возможности во всех сервисах экосистемы: слушают «Мою волну» в Музыке, смотрят фильмы на Кинопоиске, получают кешбэк в баллах Плюса в Такси, Яндекс Еде, Яндекс Пэй и других сервисах Яндекса.
Наша команда ML Плюса занимается разработкой предиктивных алгоритмов на основе анализа данных и применения методов машинного обучения из области Causal Inference. С помощью наших ML-решений мы строим системы оптимального и персонального взаимодействия с нашими пользователями на всех циклах жизни — от подбора оптимальных тарифов подписки и опций до оптимизации геймифицированных B2C-решений рекламных форматов и коммуникаций. В фокусе нашей команды не просто локальные продуктовые метрики, а непосредственное влияние на финансовые показатели всей бизнес-группы.
Обязанности:
- Выдвижение гипотез и проведение A/B-экспериментов. Вы будете предлагать новые гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность продуктовых механик для наших подписчиков в экосистеме Яндекса.
- Разработка новых и развитие существующих предиктивных ML-моделей. Вам предстоит собирать и подготавливать данные, выбирать ML-подходы для продуктовых задач, формулировать метрики качества для оценки моделей в офлайне и в A/B-тестах.
- Написание продакшен-кода на Java. Мы работаем с классическими методами ML, оборачиваем наши модели в сервисы на Java и выводим в продакшен. Вам предстоит писать надёжный и эффективный продакшен-код на Java.
- Взаимодействие со смежными командами. Вы будете работать в большой кросс-функциональной команде, где есть аналитики, разработчики и продакт-менеджеры.
Мы ждем, что вы:
- Понимаете принципы классического ML.
- Знаете традиционные алгоритмы и структуры данных.
- Хорошо знакомы с Python и SQL.
- Знаете математическую статистику и теорию вероятностей.
- Можете понятно продемонстрировать бизнесу результаты исследований, аргументированно отстаиваете свою точку зрения.
- Готовы разрабатывать полный цикл внедрения ML-решений: от обработки данных до внедрения в продакшен и поддержки вашего сервиса с ML-моделью.
Будет плюсом, если вы
- Выводили ML-модели в продакшен.
- Разрабатывали на Java или C++.
- Разрабатывали бэкенд-сервисы.
- Умеете решать задачи из области Causal Inference.
