ML-разработчик в команду базового качества товарного поиска

Привет! Я Максим, более четырёх лет разрабатываю решения для различных поисковых движков. Для развития ранжирования товарного поиска ищем специалиста, который увлечён сложными задачами в областях NLP, LLM, классического ML и RecSys, готов к динамике fast-paced-среды и желает, чтобы его код имел вес на уровне продукта.

Поисковые технологии — основа бизнес-группы Яндекс Поиска. Уже сегодня каждый пятый запрос связан с выбором товаров. Это направление обеспечивает 40% прибыли Поиска, и именно над ним мы работаем в стриме «Независимый Ecom».

Наша миссия — создать сервис, с помощью которого пользователи смогут удобно выбирать, сравнивать и покупать товары по выгодным ценам. Мы развиваем разные сценарии: классический товарный поиск, персональные подборки, поиск визуально похожих товаров, а также чатового AI-агента, который помогает определиться с выбором, когда пользователь ещё не знает точно, что ему нужно.

Наша команда улучшает ранжирование товаров, стремясь обеспечить максимальную полноту и релевантность результатов. В том числе среди всего обилия релевантных товаров нам надо найти именно выгодные предложения на удобных и надёжных сайтах. Наша цель — сделать весь путь от поиска товара до покупки максимально простым для пользователя. Кроме того, мы развиваем новые ML-инструменты, которые помогают отбирать лучшие оферы из огромной базы предложений и создавать новые сценарии выбора товаров.

Ищем ML-разработчика, который поможет нам улучшать релевантность товарного поиска и чатового агента — и вместе с нами строить будущее электронной коммерции.

Улучшение релевантности поиска оферов
На еком-срезе релевантность офера запросу — сложная задача, где нужно учитывать интент пользователя, характеристики товара, аспекты запроса, региональную доступность, цену, привлекательность изображения, доверие к продавцу и другие факторы. Например, если пользователь ищет «лёгкий ноутбук для работы», важно понять, что для него значимы вес, автономность, производительность для офисных задач, диагональ и цена. А если он ищет товар, похожий на что-либо, то критичны уже визуальные признаки. Для решения таких задач релевантности мы активно используем LLM и VLM: для разметки, оценки релевантности, понимания запросов, выделения аспектов и признаков. Затем эти сигналы дистиллируем в более быстрые модели, которые можно применять в продакшене.

Оферный поиск в агентских сценариях
Поиск должен быть удобен не только человеку, но и агенту, который собирает информацию для ответа. Для этого требуется значительно переработать поисковый стек, чтобы отдавать наиболее релевантные и конверсионные товары.

Усовершенствование поисковых механизмов
Современный товарный поиск должен справляться с разнообразными задачами, такими как нахождение минимальной цены, обеспечение хорошего разнообразия и прочие. Для этого необходимо постоянно перерабатывать механизм поиска и улучшать его в соответствии с вызовами современного рынка. Вы будете проектировать и внедрять ML-модели в продакшен, напрямую влиять на качество продукта и ключевые бизнес-метрики.

Больше об ML в Яндексе — в канале Yandex for ML

• Имели дело с NLP и LLM
• Умеете формулировать задачи в терминах ML, понимаете, как измерить результат, знакомы с разными алгоритмами и можете выбрать подходящий, решали ML-задачи на практике
• Знаете классические алгоритмы и структуры данных
• Заботитесь о высоком качестве конечного продукта
• Готовы погружаться в новые технологии

• Решали задачи в классическом ML, рекомендательных системах
• Занимались коммерческой разработкой
• Владеете C++ или готовы на него перейти