В рекомендациях, поиске и рекламе ключевую роль играют эмбеддинги — векторные представления контента. Их нужно считать в поточном режиме для всех новых объектов (видео, изображений, постов, рекламных объявлений) и быстро доставлять в систему ранжирования Discovery Runtime.
Feature Flow предоставляет ML-командам возможность самостоятельно управлять графами поточного обогащения данных и расчёта моделей. Платформа реализует материализацию таких графов в пайплайны стриминговой обработки данных, используя фреймфорк Stream Flow. Результаты расчётов записываются в распределённое хранилище YTSaurus.
Наша команда пишет на Java 21, использует Spring Boot, YTSaurus, Postgres, Gradle, GitLab CI, Grafana и множество внутренних инструментов.
Задачи
- Улучшение UX, снижение TTM
- Интеграция новых сценариев
- Оптимизация ресурсов
- Обеспечение надёжности
- Миграция пайплайнов из неплатформенных решений
Требования
- Хорошо знаете Java
- Понимаете особенности разработки отказоустойчивых сервисов
- Умеете работать в команде
- Хотите быстро осваивать новые технологии и подходы
Мы предлагаем
Формат работы
Уровень
График работы
Рекомендации
Рекомендации — создаём алгоритмы персонализированных рекомендаций, чтобы пользователи видели максимально релевантный и интересный контент, а авторы — быстро находили свою аудиторию.