Реклама — один из самых высоконагруженных сервисов Яндекса. Она выдерживает до 700K RPS и работает с миллиардами объявлений.

За качество рекламного ранжирования отвечают сотни ML-моделей. Отдел ML-разработчиков непрерывно обучает новые, более совершенные модели.

Одна из сложных проблем, которая сильно влияет на метрики онлайн-экспериментов, — расхождение между данными в обучении и применении (training-serving skew). В Feature Store мы развиваем метаслой. Он позволяет ML-разработчикам легко конструировать и переиспользовать признаки для моделей в контексте low latency (RT-применение моделей) и high throughput (дообучение моделей на кластере).

Какие задачи вас ждут

Интеграция с сервисами Поиска и Рекламы Feature Store уже стал стандартом для внедрений нейронок в Рекламе, и вы будете помогать нам дальше внедряться в различные сервисы, включая Поиск и Рекламу, а также адаптироваться под нужды новых классов моделей (генеративных трансформеров). Вам предстоит решать разные задачи: от оптимизации вычислений на C++ до разработки Python-интерфейсов для пользователей и интеграции с внутренними сервисами (YQL, Model Registry, сервисы моделей). Ваши знания помогут улучшить опыт пользователей, ускорить запуск новых моделей и сэкономить ресурсы.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

Мы ждём, что вы

• Хорошо владеете C++
• Работали с высоконагруженными системами
• Знаете классические алгоритмы и структуры данных
• Имели опыт работы с Python

Будет плюсом

• Знакомы с концепцией MapReduce и движками распределённого вычисления (Hive, Spark, YT)