Senior ML researcher (RecSys), Москва

Mы - команда R&D рекомендательных систем, сейчас нас в команде 7 человек, выпускники ШАД, МФТИ и ФКН.

Наша цель - смотреть за горизонт и находить алмазы, а потом их затаскивать в продукт. Мы всегда смотрим, как наши разработки можно переиспользовать и где применить, а затем масштабируем.
Сейчас мы сфокусированы на использовании трансформеров для рекомендательных систем и разработке мультимодальных моделей. Двигаемся в сторону использования графовых нейронных сетей для рекомендаций.

Технологии
Данные храним в YTsaurus.
Запускаем джобы обучения через airflow или kubeflow.
Мониторинг обучения через MLFlow или wandb.
Также есть коммунальные GPU/CPU хосты.

Рост
Мы занимаемся широким спектром задач: ранжирование, контеные модели, трансформеры, графовые нейронные сети. Благодаря этому мы можем периодически меняться задачами, тем самым развивая каждого в разных областях. Мы активно принимаем участие в конференциях и готовим статьи уровня A*/A. На регулярных 1to1 мы фокусируемся на профессиональном росте и стремимся, чтобы каждый занимался тем, что ему интересно.

Задачи

• Чтение и разбор статей. Мы находимся в постоянном поиске новых технологий и заглядываем за горизонт. Надо будет читать статьи, искать новые подходы, воспроизводить их и тестировать на наших данных.
• Сбор и подготовка данных для обучения моделей. Надо из сырых данных пользовательского взаимодействия с контентом выгружать и формировать данные в нужном для обучения формате.
• Разработка контентных моделей. У нас есть разные типы контента: длинные видео, короткие клипы, посты. Нужно разрабатывать модели, которые будут генерировать эмбеддинги, а затем их использовать для улучшения качества рекомендаций и не только.
• Разработка и тестирование алгоритмов рекомендаций. Надо будет читать статьи, изучать SOTA подходы к рекомендательным системам, тестировать разные алгоритмы. Все тесты логировать, принимать решение о том, какие алгоритмы будем использовать. Принимать решение не только на основе метрик, но и на основе того, как это будет работать и масштабироваться в продакшене.

Требования

• Практический опыт работы в ML;
• Опыт построения нейросетевых моделей;
• Уверенное знание python;
• Опыт оптимизации и внедрения моделей в продакшн;
• Знание классических алгоритмов и структур данных

Будет плюсом

• Умение писать продакшн код;
• Знание SQL;
• Опыт построения рекомендательных систем;
• Опыт чтения и воспроизведения алгоритмов из научных статей;