Ну что же, я сдал технику и свой бейдж, подписал заявление на увольнение. Я больше официально не яндексоид. Давайте подведём итоги моих 15 месяцев работы в Яндексе.
Скажу большое спасибо людям, работавшим со мной, особенно Антону (моему лиду из геопоиска, ему особенно, он суперняшка и крутой) и Филиппу (моему ментору на время стажировки в такси), я очень много спамил их вопросами, спасибо за ответы и за синки в телеграме в 2 часа ночи.
Теперь о преимуществах работы:
1) Бенефиты - пушка. Можно почти не тратить деньги на еду, так как бейдж можно тратить на доставку продуктов в офис или в ближайших продуктовых (в спаре, если быть точным). Ну и командировка за счёт яндекса в СПб, просто собраться командой, тоже очень круто
2) Люди, с которыми вы работаете вместе, обычно очень мощные гигачады, и хорошие люди в целом.
3) Корпоративы это новый уровень. Я помню, как поражался корпорату в хуавее в серебряном бору, ну вот яндекс это на много голов выше. Как вы помните, там даже был робот, разносящий пиво.
5) То, что ты делаешь, влияет на продукты, которыми сам пользуешься. Я и до работы активно пользовался всем яндексовым, приятно было когда фиксишь что-то в картах и потом видишь, как стало лучше.
6) Хорошие зарплаты. Реально на уровне рынка, как мне кажется.
И о недостатках, в их случае идёт чисто мой субъективный опыт:
1) Деление ролей в продукте не по навыкам, а по зонам отвественности. С одной стороны, это логично, так как позволяет меньше обращаться к членам других команд. С другой же стороны, работая типо млщиком, у тебя прилетает ещё много тасок, связанных с какими-то минорными багами, зачастую не связанными с ML, при этом они могут забрать много времени на их решение.
2) Внутренние сервисы. Большая часть вещей, которые вы бы сделали на обычной работе, уже завернута и автоматизирована, соответственно вместо написания кода он почти всегда пишется в UI/с помощью проприетарных языков. С одной стороны, это огромный плюс, так как позволяет почти не думать про работу с большими данными, про то, как раскидать данные по шардам, и в целом о нужных ресурсах. С другой стороны, внутренние сервисы не всегда хорошо задокументированы, и новые знания зачастую получаются либо методом тыка, либо через извлечение знаний из сокомандников.
3) Развитие. Тут тоже пункт неоднозначный. С одной стороны, ты действительно узнаешь много новых подходов в ML, видишь как строить большие системы и сильно прокачиваешься с точки зрения system design. Также можно проходить внутренние курсы, и за счёт яндекса проходить платные образовательные курсы партнёров. За это большой респект. Но... Смотрим в пункт 2. В роли млщика, ты не трогаешь почти никакие технологии извне, соответственно, основную часть времени вы учитесь не применять какой-то новый технологический стэк, а учитесь применять проприетарные яндексовые сервисы, и с точки зрения стэка ваша прокачка очень маленькая. Вероятно, это проблема всего бигтеха, но, как мне показалось, именно яндекс страдает от этого больше всего.
Как итог: я совершенно не жалею, что работал здесь. Мой уход в основном мотивирован тем, что нужно закрывать физтех, что вместе с фултайм работой на втором курсе и сайд-активностями типо Сириуса и биотурнира сделать проблематично. Я советую вам, будучи млщиком, поработать в яндексе, если вы либо начинающий, так как у яндекса лучшие бенефиты среди других компаний и вы очень сильно забуститесь с точки зрения sd, либо если вы уже взрослый и полностью состоявшийся млщик, который хочет спокойно делать свою работу и получать за неё деньги. В целом, хоть раз советую поработать всем.
Все выводы сделаны на основании моего личного опыта и опыта моих знакомых, скорее всего, в других ML-подразделениях все иначе.
Всем добра и удачи в построении карьеры.

Опубликован новый пример дизайна ML системы по шаблону Reliable ML
Пополняем базу примеров хороших дизайн-документов

Сегодня добавили новый пример дизайн-документа - проект от Симулятора ML. Даниил Картушов и команда представляют pet project по разработке чат-бота для поиска ответов на разные запросы в телеграм-каналах.

Опубликованный дизайн-док - пример хорошо проработанного и не перегруженного лишней информацией документа. Для более глубокого погружения в потребности пользователей в части про бизнес-требования команда проекта добавила User Story Map и Customer Journey Map. Это, кстати, может стать отличным дополнением к шаблону дизайн-документов.

Огромное спасибо авторам документа за вклад в развитие ML-дизайна.

Шаблон дизайн-документа ML-систем от Reliable ML
Материалы по работе с дизайн-доком
Как написать док вместе с Reliable ML

Stay tuned!

Ваш @Reliable ML

#business #tech #ml_system_design

Набор дата сайнтиста в стартапе по-британски

1. Firestore - NoSQL бд, чтобы хранить целиком жсоны и строить дата пайплайны поверх onCreate/onUpdate

2. Typescript - какая разница, на каком языке прогать? А тут зато js команда поймет, что ты делаешь

3. Firebase Cloud Functions - ETL весьма может быть и на серверлесс

4. ChatGPT, Gemini, Claude - вместо тысячи NLP, NER и парсеров

5. Crunchbase, Pitchbook, Apollo - базы с ~Series A стартапами

6. Cursor.sh + claude - самый мощный копайлот тудэй

Другие наборы из серии:
- дамская сумочка стартаперши
- мобильный сайд-хаслер