Аналитик-разработчик в команду разметки и анализа данных Фантеха

Команда разметки и анализа данных занимается добычей, систематизацией и улучшением существующих датасетов для всего отдела ML в развлекательных сервисах: Яндекс Музыка, Кинопоиск, Яндекс Книги и т. д. При этом мы доводим данные и ML-модели до состояния, когда на них можно запускать продукт.

Мы ищем аналитика, который поможет нам добывать новые данные, а также систематизировать и улучшать текущие базы данных. Вас ждёт и написание парсеров, и работа с краудсорсингом, и работа с AI.

Какие задачи вас ждут

Строить и улучшать автоматические процессы разметки данных
Разметка будет содержательно описывать сущности, которые могут быть рекомендованы пользователю или показаны в продукте. На каком языке этот трек? Жив ли этот музыкальный исполнитель? Этот музыкальный клип — студийный, или это запись концерта? Можно ли включить этот сериал ребёнку? Какая книга является наилучшим ответом на этот поисковый запрос? На все эти и многие другие вопросы будет отвечать разметка, за которой будете стоять вы.

Оценивать качество размеченных датасетов
Нередко получается так, что наша команда получает готовую разметку на десятки миллионов единиц контента: от правообладателей, внешнего мира, других команд и т. д. Вам нужно будет ответить, хороша ли эта разметка. Какие у неё проблемные места? Лучше ли она уже существующей? Можем ли мы сделать её лучше?

Находить полезные данные за пределами Фантеха
Бывают случаи, когда нужных данных нет, а процесс их разметки строить намного дороже, нежели найти их где-то ещё. Вам предстоит выяснить, есть ли эти данные внутри Яндекса. Или, может быть, они есть в интернете? Как сопоставить эти данные с сущностями из базы данных Музыки/Кинопоиска/Книг?

Больше об аналитике в Яндексе — в канале Yandex for Analytics

Мы ждём, что вы

• Хорошо владеете теорией вероятностей и математической статистикой
• Можете делать выводы на основе данных
• Умеете программировать на Python и SQL
• Понимаете, как работает интернет: DNS и CDN, IPv4 и IPv6, http и https

Будет плюсом, если вы

• Работали с распределёнными системами хранения и обработки данных MapReduce
• Имеете опыт работы с ML
• Писали парсеры
• Работали с платформами для краудсорсинга: Label Studio, Toloka, Amazon Mechanical Turk и т. д.