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:
👉 %contact_placeholder% - рекрутер (сюда присылайте резюме)
👉 %contact_placeholder% - здесь можно спросить про задачи

P.S. Беспроцентная ссуда на жилье после года работы.