ML Team Lead

Yandex Cloud разрабатывает базовые технологии для AI-сервисов. Команда создаёт мультитенантные поисковые и классификационные модели и компоненты для облачных пользователей: Standalone API (например, Embeddings API, Classification API), функции OpenAI-like Responses и RealTime API для реализации RAG-сценариев и memory, а также технологическую основу для AI Guardrails и SpeechSense.

• Руководить небольшой распределённой командой ML-разработчиков: проводить performance review и встречи 1-to-1, ставить цели, помогать с карьерным развитием и наращивать знания и опыт команды.
• Декомпозировать продуктовые цели в технический roadmap, формировать квартальные планы и отвечать за их реалистичность и стабильное выполнение.
• Разрабатывать и внедрять CI/CD для моделей, процессы код-ревью и тестирования, а также релизный цикл ML-артефактов.
• Представлять R&D-команду в v-team, обеспечивать видимость и прозрачность её работы, формировать технические требования и запросы к смежным командам, в том числе по данным и инфраструктуре.
• Исследовать и разрабатывать SOTA-модели для RAG-сценариев (поиск, ранжирование), классификации (few-shot/zero-shot, guards) и памяти, интегрировать их в инфраструктуру инференса.
• Отвечать за метрики качества моделей, производительность и стабильность бэкендов инференса, включая логирование, мониторинги и покрытие кода тестами.
• Лично участвовать в разработке, писать код до 30–40% времени, проводить код-ревью, помогать с архитектурой и диагностикой проблем, готовить релизы моделей и бэкендов.

• Управляли ML-командой от одного года.
• Глубоко разбираетесь в современном ML (нейросети, трансформеры), с фокусом на NLP, Information Retrieval или Generative AI.
• Разрабатывали и выводили в продакшен ML-сервисы с высокими требованиями к надёжности и производительности.
• Уверенно владеете Python и PyTorch.
• Понимаете полный жизненный цикл ML-модели: от сбора требований и подготовки данных до эксплуатации в проде.
• Проактивны и способны самостоятельно формировать технический бэклог и roadmap исходя из продуктовых целей.
• Будет плюсом опыт использования и контрибьюта в опенсорс-проекты, особенно библиотеки для инференса TensorRT, TensorRT-LLM, vLLM и SGLang; опыт работы с C++ и низкоуровневыми оптимизациями (CUDA); опыт работы в распределённой команде; готовность или желание выступать публично, писать технические статьи или вести блог.

• Локации: Москва и Санкт-Петербург.
• Формат: офис или гибридный.
• Прямое влияние на core-технологии AI-платформы Yandex Cloud, высокий уровень технической автономии и свобода выбора инструментов, активное использование и развитие опенсорса.
• Возможность выстроить процессы и культуру новой команды практически с нуля.
• Сильная R&D-команда и работа в кросс-функциональных v-teams над технически сложными задачами.