ML-инженер в команду качества видеопоиска

Мы активно экспериментируем с известными архитектурами и 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 продакшн.

Качество рекомендаций видео складывается из разных аспектов, таких как точность, разнообразие, свежесть, адаптивность, а также серендипность. Чтобы понимать эффект от внедрений, мы следим за метриками и уделяем много внимания A/B-тестам. Кроме того, мы отвечаем и за инфраструктуру нашего рекоммендера, который состоит из цепочки компонентов, а тысячи CPU и дестяки GPU под капотом обрабатывают десятки миллионов запросов в день.

Какие задачи вас ждут

Работа с нейросетями
Вам предстоит исследовать новые архитектуры моделей, обучать большие трансформеры, 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.

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

Мы ждем, что вы

• Хорошо владеете классическим ML
• Знаете Python
• Разбираетесь в классических алгоритмах и структурах данных
• Понимаете принципы глубокого обучения и работали с ним
• Работали с PyТorch или другими фреймворками глубокого обучения

Будет плюсом, если вы

• Знаете С++
• Занимались рекомендательными системами или NLP
• Обучали нейросети для обработки видео и two-tower-моделей
• Имеете опыт в распределённом обучении нейросетей
• Работали с трансформерными моделями