ML-разработчик-исследователь для R&D рекомендательных систем

Навыки

• AI-инструменты в работе
• C++
• Machine Learning
• Python
• Рекомендательные системы
• SQL
• Transformers / HuggingFace

О компании и продукте

• ML-разработчик-исследователь для R&D рекомендательных систем
• 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

Задачи

• 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
• 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

Требования

• 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
• От 3 лет
• Машинное обучение
• В последние годы бурно развиваются технологии для рекомендательных систем, поиска, рекламы
• Цель нашей команды — искать, придумывать, реализовывать, внедрять новые технологии
• Имеете опыт разработки на низкоуровневых языках (C++), профилирования обучения и применения нейросетей
• Работали с большими объёмами данных, хорошо понимаете парадигму MapReduce и базовый SQL

Будет плюсом

• 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
• Готовили публикации для топовых конференций (RecSys, CIKM, NeurIPS, SIGIR, WWW)
• Разрабатывали рекомендательные системы

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.