ML Engineer (2 открытых роли)

Позиция: ML Engineer (2 открытых роли): - ML Engineer (Агенты) Куда: Служба ML Яндекс.Такси. Формат работы: fulltime, гибрид, желательно Москва, офис в Сити. Вилка гросс: вилка 200–420 тыс. руб. gross + годовые бонусы (до 5 окладов). Про нас: Больше 4 миллиардов поездок ежегодно совершается с помощью Яндекс.Такси в 32 странах Азии, Африки, Европы и Латинской Америки. Ни одна из них не обходится без решений принятых ML моделями. Наши команда развивает модели предсказания адреса назначения поездки, ожидаемного времени прибытия машины, участвует в развитии алгоритмов диспетчеризации, непоправимо улучшает механизмы распределения субсидий, рекомендательные алгоритмы а так же строит мультиагентские системы Что предстоит делать? - строить мультиагентную платформу с А2А, которая будет растить пользовательский опыт во всей экосистеме Go Требования: - Наличие опыта в ML (желательно в NLP, но не критично) - Знание Python c классическим ML стеком фреймворков Будет плюсом - Знакомство с RAG, MCP, A2A будет плюсом. Ответы на 10 вопросов: 1. Данные: YT. 2. Железо: - Общий кластер: 8×H100, 8×V100, 1500 CPU ядер, 10 ТБ. - Персональные виртуалки + MacBook Pro для разработки. 3. Масштаб влияния: ML-решения влияют на способ взаимодействия пользователя с сервисами, обеспечивают рост gmv и новичков в сервисах 4. Уровень развития DS: 70% LLM, 30% классический мл/DL. 5. Роль DS: Полный цикл — от постановки задачи с бизнесом до продуктивизации (совместно с DE/MLOps/backend командами). 6. Бэкграунд руководителя: Александр Мамаев , ex-VK, ex-Сбер. 7. Частота встреч: дейлики + несколько встреч по задачам 8. Карьерный рост: Стандартная система грейдирования Яндекса с ревью каждые 6 месяцев. 9. Prod/Research: 70% prod, 30% research. 10. Функция сервиса/лидера: 90% execution (решение задач), 10% лидерство в рамках проекта . Как откликнуться: Telegram: 👉 @rubyasti - рекрутер (сюда присылайте резюме) 👉 @alexei_e98 - здесь можно спросить про задачи P.S. Беспроцентная ссуда на жилье после года работы.