Яндекс Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 35 миллионов подписчиков каждый день получает разнообразные ценности в сервисах экосистемы: слушают «Мою волну» в Музыке, смотрят кино на Кинопоиске, получают кешбэк на Маркете, в Такси, Еде и других сервисах Яндекса.
Одно из фокусных направлений — развитие сценариев лояльности. Количество предложений для пользователей растёт каждый день и необходимо построить систему оптимального управления этими предложениями, скидками и баллами Плюса.
Позиция подходит молодым руководителям и «играющим тренерам», которые готовы самостоятельно вести разработку и исследования. При этом позиция подразумевает потенциал для быстрого роста команды.
Самые ближайшие ваши проекты предусматривают разработку ML-моделей для:
- Назначения кешбэка и оферов для пользователей
- Оптимизации регулярных маркетинговых механик
- Рекомендации партнёров для пользователя
- Оптимизация механик лояльности
Механик лояльности довольно много. Каждую нужно оптимизировать, каждая должна приносить максимальный эффект, при этом не превышать расходы. Все механики должны быть сонаправлены и не могут противоречить целям бизнеса. - Выдвижение гипотез и проведение экспериментов
Вам предстоит предлагать гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность механик лояльности для наших подписчиков в экосистеме Яндекса.
-
Написание продакшен-кода на Java
Мы работаем с классическими методами машинного обучения, оборачиваем наши модели в сервисы на Java и выводим их в продакшен. Вам предстоит писать надёжный и эффективный код на Java.
- Разбираетесь в принципах классического ML
- Знаете традиционные алгоритмы и структуры данных
- Хорошо знакомы с Python и SQL
- Понимаете, как превращать запросы бизнеса в ML-задачи и проекты
- Можете понятно продемонстрировать бизнесу результаты исследований, умеете аргументированно отстаивать свою точку зрения
- Умеете организовывать работу команды, приоритизировать заказы и выстраивать долгосрочные командные цели
- Готовы отвечать за продакшен-модели в runtime
- Выводили ML-модели в продакшен
- Разрабатывали на Java или C++
- Умеете решать задачи из области Causal Inference