Руководитель ML-направления в Учебник

Вакансия № 28707759 от компании Яндекс на Электронной Службе Занятости Населения Москвы.

✷ Смотрите другие предложения работы от компании Яндекс.

☑ Основной блок:

Опыт работы: более 6 лет.

Тип занятости: полная занятость.

График работы: полный день.

Зарплата: по результату собеседования.

Примерное место работы: Россия, Москва.

☑ Актуальность объявления:

Это объявление № 28707759 добавлено в базу данных: Воскресенье, 16 февраля 2025 года.

Дата его обновления на этом интернет-ресурсе: Понедельник, 17 марта 2025 года.

☑ Статистика предложения работы № 28707759:

Прочитано соискателями - 17 раз(а);
Отправлено откликов - 0 раз(а);

☑ Репутация компании "Яндекс":

Читайте свежие отзывы сотрудников об этом работодателе здесь!

Оставить своё мнение об этой компании можно тут без регистрации и бесплатно.

☑ Подробности о вакантном месте:

Яндекс Учебник — это платформа, которая помогает проще и эффективнее осваивать школьную программу. Мы хотим изменить парадигмы образования, чтобы ускорить изучение тем и повысить качество их закрепления. Для этого мы разрабатываем GPT в Учебнике — инструмент, который упростит процесс обучения как для ребёнка, так и для учителя. Мы стремимся, чтобы машинное обучение и GPT в частности помогали выстраивать оптимальный образовательный маршрут, выполнять задания и прорабатывать ошибки.

Что нужно делать

руководить процессом разработки нейросети, которая будет учить школьников информатике: анализировать успехи, составлять учебные планы, давать советы и искать проблемные области, и всё это — с индивидуальным подходом;
налаживать взаимодействие между продуктом и командой ML, которая обучает первые версии моделей, основанных на YaGPT;
совместно с командой ML разрабатывать методические инструменты, которые будут на основе больших данных о поведении пользователя оценивать, какие его навыки нуждаются в проработке, и помогать совершенствовать их.

Мы ждём, что вы

знаете Python и SQL, работали с SciPy, Pandas, Torch, TensorFlow;
хорошо понимаете принципы ML и применяли их на практике;
можете с нуля построить пайплайн обучения модели: формулирование требований, выбор метрик, выбор алгоритма машинного обучения, сбор данных, обучение алгоритма, оценка качества, развёртка в продакшн;
понимаете, как модель будет работать в продакшне, с учётом ограничений;
проектировали и разрабатывали высоконагруженные ML-сервисы.

Будет плюсом, если вы