ML-разработчик в Яндекс Музыку

Яндекс Музыка — стриминговый сервис с десятками миллионов треков в библиотеке, музыкальными подборками, персональными рекомендациями и подкастами. Наша гордость в том, что мы делаем вещи, которые вызывают эмоции у пользователей. Наша работа влияет на счастье пользователя, и мы верим, что таким образом увеличиваем количество добра в мире. Центральная часть сервиса — это «Моя волна», в которой умные алгоритмы ставят трек за треком, почти мгновенно дообучаются в зависимости от реакции пользователя на рекомендованные треки и подстраиваются под его настроение.

Мы активно экспериментируем с известными архитектурами, такими как трансформеры, а также придумываем новые способы обучения моделей, используем CatBoost, PyTorch, DSSM и методы коллаборативной фильтрации. Наша команда занимается полным циклом: от исследований и подготовки данных до внедрения моделей в продакшен. Правильно собранный обучающий датасет приносит нам не меньше пользы, чем новая архитектура.

Качество музыкальных рекомендаций складывается из разных аспектов, таких как точность, разнообразие, свежесть, адаптивность, а также серендипность — то самое ощущение, когда незнакомый трек попал в сердечко пользователю. Чтобы понимать эффект от внедрений, мы следим за метриками и уделяем много внимания A/B-тестам: прямо сейчас запущено несколько десятков. Кроме того, мы отвечаем и за инфраструктуру нашего рекоммендера, который состоит из цепочки компонентов, а тысячи CPU под капотом обрабатывают наши запросы онлайн 24/7.

Мы не только решаем сложные задачи на стыке ML и бэкенда, но и постоянно развиваемся, для этого проводим в команде семинары по ML и инфраструктуре рекомендаций.

Какие задачи вас ждут

Работа с нейросетями
Вам предстоит исследовать новые архитектуры моделей, доносить дополнительные источники знаний до обучения нейросетей, оптимизировать скорость применения и качество моделей.

Внедрение
Вы будете внедрять обученные модели в ранжирование и кандидатогенерацию, строить пайплайны регулярного дообучения моделей, писать надёжный и эффективный продакшен-код на Java.

Аналитика
Нужно будет проводить A/B-тесты, проверять гипотезы о процессе прослушивания музыки пользователями, исследовать различные таргеты для обучения моделей.

Мы ждем, что вы

• Хорошо владеете классическим ML
• Знаете Python и готовы изучать и использовать Java в работе
• Разбираетесь в классических алгоритмах и структурах данных
• Умеете писать качественный продакшен-код

Будет плюсом, если вы

• Знаете Java или С++
• Работали с рекомендательными системами
• Обучали нейросети для обработки аудио- и two-tower-моделей