Разработчик
Machine Learning

Даниил выпускник Школы Анализа Данных Яндекса. Он пришёл в компанию разработчиком и занялся созданием рекомендательной системы для Медиасервисов — Радио, Музыки и Кинопоиска, — а в 2018 году возглавил это направление.

«Медиасервисы всегда славились атмосферой стартапа, особенно нашотдел. Мне с первых дней было очень классно, особенно когда от идеи до ревью и выкатки фичи в прод проходило всего 3-4 дня.

Рекомендации — это такой полуисследовательский проект, в котором заранее неизвестен результат и почти нет строгих дедлайнов. Наша главная цель — чтобы качество продукта стало лучше, и мы сами решаем, как этого добиваться.

Мне очень нравится, что я могу сразу увидеть эффект — причём не только в метриках. Помню, когда мы запустили аудио эмбеддинги — промежуточные слои в нейронке, которые определяют, что этот трек похож по аудио на группу других треков. Тогда своими ушами услышал, как круто изменились рекомендации музыки».

До 2018 года Никита был учёным и работал в исследовательском центре международной нефтяной компании, разрабатывая автоматизированные системы исследований — своеобразных роботов для управления экспериментами и сбором данных. Но однажды он загорелся машинным обучением и начал ходить на различные тренировки и мероприятия по ML в Яндексе, а спустя некоторое время устроился аналитиком в одну из команд.

Сейчас Никита возглавляет группу встроенного голосового ввода и помогает Алисе лучше слышать пользователей.

«Одна из вещей, которая мне дико не нравилась на прошлом месте — я не мог доверять техническим навыкам коллег. Чего‑то мне в них недоставало для того, чтобы делать крутые продукты. Либо им не хватало экспертизы, либо они ленились и не желали разбираться в чём-то новом.

Здесь тебя окружают люди, которым ты доверяешь, которые в своей области зачастую гораздо сильнее тебя. В таком месте и в таком окружении хочется делать больше, так как ты чувствуешь что можешь участвовать в создании по‑настоящему крутых, интересных штук, а компании они нужны».

Михаил — выпускник первого набора ШАД. Он пришёл в Яндекс стажёром, и за это время успел поработать и в Медиасервисах (как раз над системой рекомендаций), и в Рекламе, и в Медиамониторинге. А сейчас он возглавляет группу ML в отделе компьютерного зрения.

«Я искренне считаю, что в России с точки зрения машинного обучения в индустрии, просто нет равных Яндексу. Здесь работает очень много людей, у которых можно учиться. Плюс здесь очень большой упор на технологии и на правильно поставленную системную работу сервиса — чтобы правильно строить метрики, улучшать саму систему с точки зрения этих метрик, и улучшать само понятие метрик. Всё это в Яндексе очень хорошо построено.

Мы привыкли сравнивать Яндекс, с одной стороны, со стартапами, а с другой стороны — с большими корпорациями типа Google, Microsoft, Amazon. Если сравнить со стартапами, в Яндексе намного лучше инфраструктура для сервисов, намного удобнее работать. А если сравнивать с большими корпорациями, то здесь намного более реально взять себе задачу, в которой можно получить какой-то осмысленный результат для компании.

То есть не просто двигать пиксели на экране налево-направо, а правда делать что-то существенное. Здесь всё заточено на то, чтобы работа была сделана, и пользователям стало лучше».

Как и многие другие ML-специалисты в Яндексе, Антон пришёл в компанию из ШАД стажёром в отдел машинного перевода. Сейчас он руководитель отдела NLP и занимается улучшением работы Переводчика, работает над распознаванием и синтезом речи, машинным переводом.

«Машинный перевод был и остаётся большой точкой роста технологий. Большинство крупных революций и изменений в машинном обучении, да и вообще в области искусственного интеллекта и компьютерных науках, связаны с тем, что мы делали в машинном переводе.

Мне нравятся сильные и умные люди вокруг. Нравится возможность быть на острие развития технологий, соревноваться, конкурировать с лучшими командами мира — с Google, Microsoft, Amazon, двигать вперёд всю мировую область».