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

Какие задачи вас ждут

• 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

Мы ждем, что вы

• 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

Будет плюсом, если вы

• 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