Лид в команду ML-технологий навигации
Карты
Москва
Полная занятость
Описание
Миллионы людей каждый день пользуются Яндекс Навигатором и навигацией в Яндекс Картах. Мы помогаем водителям добираться быстрее и комфортнее: строим маршруты, предсказываем время в пути, ведём по маршруту и уточняем геопозицию даже там, где GPS работает плохо.
Наша команда работает сразу со всеми сервисами навигации: находит точки роста, где ML может дать заметный продуктовый эффект, доводит исследования до продакшена и затем берётся за следующую сложную проблему. Мы работаем с GPS-сигналами, логами маршрутов и другими данными десятков миллионов пользователей, а модели внедряются в сервисы с нагрузкой в сотни тысяч запросов в секунду. Пишем на C++ (бэкенд) и Python (анализ данных, обучение моделей). Для работы с большими данными используем MapReduce (YT). Также исследуем применение современных ИИ-моделей в навигации.
Какие задачи вас ждут:
Управление ML‑исследованиями и развитием команды
Вам предстоит определять техническое направление исследований, распределять задачи внутри команды, помогать находить решения сложных и неоднозначных задач, проводить ревью, принимать решения о развитии или завершении проектов.
Улучшение геопозиционирования
В зонах с плохим GPS-сигналом точность позиционирования падает. Вам предстоит анализировать данные, находить новые источники данных и закономерности в них, строить модели, которые помогут точнее определять положение пользователя на дорожном графе.
Повышение качества и персонализация маршрутов
Не всегда «самый быстрый» маршрут — лучший для конкретного человека. Вам предстоит исследовать пользовательские предпочтения и развивать модели ранжирования маршрутов, чтобы предлагать каждому наиболее подходящие варианты с учётом привычек и контекста поездки.
Предсказание ETA в сложных дорожных условиях
Аварии, перекрытия, резкие изменения погоды — всё это делает предсказание времени в пути нетривиальной задачей. Предстоит работать над моделями, которые точнее оценивают ETA в условиях нестабильной дорожной ситуации.
Больше об ML в Яндексе — в канале Yandex for ML
Мы ждем, что вы:
- Больше года (а лучше — от трёх лет) управляли технической командой
- Уверенно ориентируетесь в классическом ML
- Умеете работать с большими данными и строить выводы на их основе
- Ориентируетесь на продуктовый результат и понимаете, как метрики модели связаны с пользовательским опытом
- Понимаете принципы A/B-экспериментов
- Уверенно программируете на Python
- Работали с нейросетями и Deep Learning
Будет плюсом:
- Работали с C++
- Знаете SQL
- Знакомы с YT, YQL или аналогичными инструментами для обработки больших данных
Наша команда работает сразу со всеми сервисами навигации: находит точки роста, где ML может дать заметный продуктовый эффект, доводит исследования до продакшена и затем берётся за следующую сложную проблему. Мы работаем с GPS-сигналами, логами маршрутов и другими данными десятков миллионов пользователей, а модели внедряются в сервисы с нагрузкой в сотни тысяч запросов в секунду. Пишем на C++ (бэкенд) и Python (анализ данных, обучение моделей). Для работы с большими данными используем MapReduce (YT). Также исследуем применение современных ИИ-моделей в навигации.
Какие задачи вас ждут:
Управление ML‑исследованиями и развитием команды
Вам предстоит определять техническое направление исследований, распределять задачи внутри команды, помогать находить решения сложных и неоднозначных задач, проводить ревью, принимать решения о развитии или завершении проектов.
Улучшение геопозиционирования
В зонах с плохим GPS-сигналом точность позиционирования падает. Вам предстоит анализировать данные, находить новые источники данных и закономерности в них, строить модели, которые помогут точнее определять положение пользователя на дорожном графе.
Повышение качества и персонализация маршрутов
Не всегда «самый быстрый» маршрут — лучший для конкретного человека. Вам предстоит исследовать пользовательские предпочтения и развивать модели ранжирования маршрутов, чтобы предлагать каждому наиболее подходящие варианты с учётом привычек и контекста поездки.
Предсказание ETA в сложных дорожных условиях
Аварии, перекрытия, резкие изменения погоды — всё это делает предсказание времени в пути нетривиальной задачей. Предстоит работать над моделями, которые точнее оценивают ETA в условиях нестабильной дорожной ситуации.
Больше об ML в Яндексе — в канале Yandex for ML
Мы ждем, что вы:
- Больше года (а лучше — от трёх лет) управляли технической командой
- Уверенно ориентируетесь в классическом ML
- Умеете работать с большими данными и строить выводы на их основе
- Ориентируетесь на продуктовый результат и понимаете, как метрики модели связаны с пользовательским опытом
- Понимаете принципы A/B-экспериментов
- Уверенно программируете на Python
- Работали с нейросетями и Deep Learning
Будет плюсом:
- Работали с C++
- Знаете SQL
- Знакомы с YT, YQL или аналогичными инструментами для обработки больших данных