Яндекс Доставка помогает людям и бизнесу доставлять заказы в сотнях городов по всему миру. Каждый день наши алгоритмы решают, какого исполнителя назначить на заказ, когда отправить его в точку, как построить маршрут и что сделать, если доставка отклоняется от плана. От качества этих решений напрямую зависят скорость и стоимость доставки, загрузка исполнителя и опыт клиентов.

Мы развиваем ML-продукты для доставки под ключ: находим точки роста, формулируем задачу, собираем данные, обучаем модели, внедряем их в высоконагруженные сервисы, проводим эксперименты и отвечаем за качество после запуска. В команде есть задачи и для тех, кому интересен классический ML на больших табличных данных, и для тех, кто хочет работать с LLM.

Кроме развития работающих продуктов, мы запускаем новые экспериментальные продукты. В таких проектах нужно самостоятельно разобраться в предметной области, сформулировать проверяемые гипотезы, быстро собрать прототип и понять, стоит ли превращать его в продукт.

Какие задачи вас ждут

Классический ML на больших данных

Мы прогнозируем время прибытия исполнителя, ожидания в точке, приготовления заказа и движения между точками маршрута; улучшаем назначение заказов, батчинг и персональные цели исполнителей; восстанавливаем по геосигналам реальные этапы доставки и уточняем точки выдачи заказа; выявляем отклонения от маршрута и другие нарушения, автоматизируя решения поддержки.

LLM и агентские продукты

Мы используем LLM для обработки и суммаризации комментариев к заказам, строим RAG- и агентские системы, готовим данные и оцениваем качество моделей.

Полный цикл ML-задачи

Вы будете превращать продуктовые проблемы в ML-постановки, выбирать целевые метрики и оценивать потенциальный эффект; исследовать данные, строить признаки и датасеты, обучать и сравнивать модели; проектировать онлайн- и офлайн-оценку качества, проводить A/B-эксперименты и разбирать их результаты; отвечать за результат целиком: от исследования до запуска и поддержки в продакшене.

Платформа, инфраструктура и продакшен

Вы станете внедрять модели в высоконагруженные сервисы и развивать сервисы их применения; следить за качеством после запуска: строить мониторинги, находить деградации и устранять их причины; улучшать инструменты и инфраструктуру, сокращая путь от идеи до работающей модели; развивать платформу обучения, применения и мониторинга моделей под высокой нагрузкой.

Экспериментальные продукты

Вам предстоит самостоятельно разбираться в новой предметной области, формулировать проверяемые гипотезы, быстро собирать прототип и определять, стоит ли превращать его в продукт. Плотно взаимодействовать с разработчиками, аналитиками, продакт-менеджерами и командами логистических алгоритмов.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждём, что вы

- Знаете основные методы ML и понимаете, как выбирать модель и метрики под задачу

- Используете AI-инструменты для исследования и разработки, проверяя и улучшая результат

- Уверенно программируете на Python

- Владеете SQL и умеете работать с большими данными

- Знакомы с классическими алгоритмами и структурами данных

- Умеете проверять гипотезы, искать причины в данных и видеть за изменением метрик физический и продуктовый смысл

- Умеете работать с неопределённостью: превращать открытую исследовательскую задачу в последовательность проверяемых шагов

- Готовы отвечать за результат целиком: от исследования до запуска и поддержки в продакшене

- Умеете ясно обсуждать решения и договариваться с коллегами из разных функций

Будет плюсом, если вы

- Внедряли ML-модели в высоконагруженные сервисы

- Программировали на C++ или готовы его освоить

- Работали с распределённой обработкой данных и ML-пайплайнами

- Проводили A/B-эксперименты и принимали решения по их результатам

- Решали задачи геоаналитики, маршрутизации, временных рядов или прогнозирования времени

- Работали с LLM: готовили данные, настраивали модели, оценивали качество или строили RAG- и агентские системы

Больше о команде

Узнайте больше про разработку городских сервисов Яндекса на dev.go.yandex

Узнать больше

-

Доставка