Аналитик данных с уклоном в NLP

Наша команда развивает интеллектуальные системы для Яндекс Еды. Мы внедряем современные языковые модели и NLP-решения, чтобы сделать взаимодействие с сервисом более умным и персонализированным.

Ищем специалиста, который поможет создать AI-ассистента нового поколения, улучшить поисковую выдачу и разработать интеллектуальные системы анализа контента. Вам предстоит исследовать LLM-модели и внедрять готовые решения в продакшн для миллионов пользователей.

Создание AI-ассистента для Яндекс Еды
Вам предстоит разработать и внедрить MCP-сервер для создания умного помощника. Нужно настроить и оптимизировать RAG-систему, чтобы ассистент мог отвечать на сложные вопросы о блюдах, их составе и аллергенах, а также давать персонализированные рекомендации — например, помогать выбрать вино к пасте или предлагать альтернативы для вегетарианцев.

Категоризация товаров с помощью NLP
Вам предстоит создать NLP-модели, которые будут глубоко категоризировать товары: учитывать не только тип блюда, но и способ приготовления, основные ингредиенты и вкусовой профиль. Это улучшит поиск (например, по запросу «что-то острое и сытное» пользователь будет получать релевантные результаты) и позволит давать более точные рекомендации.

Дообучение LLM-моделей
Вы будете дообучать языковые модели Яндекса, чтобы они создавали привлекательные описания ресторанов. Модель должна генерировать тексты, которые не просто описывают блюда, а вызывают аппетит и учитывают контекст и предпочтения пользователя. Также вам предстоит настроить оценку качества генерации и A/B-тестирование разных подходов.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

• Работали с LLM (fine-tuning, prompt engineering, RAG)
• Хорошо разбираетесь в современных NLP-подходах и архитектурах трансформеров
• Уверенно программируете на Python и знаете основные ML-библиотеки
• Владеете SQL для работы с данными
• Понимаете, как превращать бизнес-задачи в технические решения
• Умеете проводить эксперименты и анализировать их результаты
• Готовы быстро осваивать новые технологии и подходы

• Работали с векторными базами данных (Elasticsearch, Pinecone, ChromaDB)
• Внедряли ML-решения в продакшн
• Работали с MCP-серверами или похожими технологиями
• Знакомы с MLOps-практиками