ML-разработчик-исследователь для R&D рекомендательных систем
В последние годы бурно развиваются технологии для рекомендательных систем, поиска, рекламы. Цель нашей команды — искать, придумывать, реализовывать, внедрять новые технологии. Мы сотрудничаем с различными продуктовыми сервисами внутри Яндекса: Музыкой, Кинопоиском, Маркетом, Рекламой, Поиском. Пример технологии, разработкой которой мы активно занимаемся, — это персонализация с помощью трансформеров. Но на трансформерах всё не заканчивается — мы разрабатываем и другие технологии, включая нейросетевое ранжирование, графовые нейросети, обучение с подкреплением для рекомендаций, и постоянно ищем новые.
У нас настоящее R&D:
- Разработка ключевых базовых технологий для улучшения качества рекомендаций, поиска и рекламы во всей экосистеме Яндекса
- Исследование потенциальных технологий, изучение SOTA-подходов, применяемых в других компаниях
- Активное взаимодействие с крупнейшими сервисами Яндекса, которыми пользуются миллионы людей
- Читать статьи и искать новые технологии
- Заниматься полным циклом R&D: готовить данные, обучать модели, оценивать их качество и интерпретировать результаты работы, участвовать во внедрении технологии и создавать удобные инструменты для её встраивания по всей экосистеме
- Участвовать в развитии наших фреймворков для работы с данными, обучения и применения моделей
- Имеете хорошую алгоритмическую подготовку
- Уверенно владеете Python
- Обладаете отличной математической подготовкой, особенно в контексте машинного обучения
- Хорошо знаете базовую теорию глубокого обучения, на «ты» с трансформерами
- Работали с нейросетевыми моделями и распределённым обучением
- Писали собственный фреймворк-обёртку для распределённого обучения нейросетевых моделей
- Внедряли нейросети в продакшн
- Занимались обучением представлений (representation learning) на больших объёмах данных, таких как графовые, текстовые, картиночные модели
- Имеете опыт разработки на низкоуровневых языках (C++), профилирования обучения и применения нейросетей
- Готовили публикации для топовых конференций (RecSys, CIKM, NeurIPS, SIGIR, WWW)
- Разрабатывали рекомендательные системы
- Работали с большими объёмами данных, хорошо понимаете парадигму MapReduce и базовый SQL
