Младший разработчик-исследователь (ML) в Mail, Москва

Сегодня почти вся онлайн-жизнь собрана в почтовых и облачных сервисах. Лента фото и документов в Облаке, билеты, заказы и чеки в Почте — это далеко не все артефакты, которые при правильном подходе могут улучшить качество онлайн-потребления для пользователей Mail. 

Наша задача как ML-команды заключается в том, чтобы эту информацию отфильтровать, структурировать и предоставить пользователю в наиболее удобном и ценном виде. Это «умная» часть сервисов Mail.

Что мы предлагаем

• Возможность работать над продуктами, которыми пользуются миллионы людей
• Реализация передовых ML-решений в HighLoad-окружении: через нас проходят миллиарды писем и файлов пользователей, которые необходимо обрабатывать и анализировать
• Работа над широким спектром задач: классический ML, NLP/LLM, CV
• Возможность тесной связи с продуктовыми командами и прямое влияние на ключевые бизнес-показатели

Мы ищем специалистов, которые

• Любят разбираться во внутренних тонкостях алгоритмов и кастомизировать их для повышения продуктового эффекта;
• Проявляют живой интерес к последним тенденциям в машинном обучении и практикам разработки, стремятся их применить в наших сервисах

Задачи

• Разработка и развитие подходов и моделей машинного обучения в Почте и Облаке
• Representation learning для описания поведения и интересов пользователей
• Извлечение сущностей и создание событий в Календаре и Покупках
• Развитие наших LLM-моделей
• Разработка нейродайджеста
• Автоматизация поддержки пользователей генеративными и дискриминативными моделями

Требования

• Аналитическое мышление;
• Знание алгоритмов машинного обучения (от логистической регрессии до трансформеров)
• Знание основ теории вероятностей и математической статистики
• Навыки разработки на Python/C++
• Понимание ML-библиотек: transformers, catboost, sklearn, pandas, numpy, spark-mllib
• Умение выдвигать гипотезы и предлагать способы их проверки

Будет плюсом

• Знание Docker, Git
• Опыт работы в Linux
• Опыт практического применения алгоритмов машинного обучения в продакшене