Садовническая улица 82
Mы — команда R&D-рекомендательных систем, сейчас нас 7 человек, выпускники ШАД, МФТИ и ФКН.
Наша цель — смотреть за горизонт и находить алмазы, а потом их затаскивать в продукт. Мы всегда смотрим, как наши разработки можно переиспользовать и где применить, а затем масштабируем.
Сейчас мы сфокусированы на использовании трансформеров для рекомендательных систем и разработке мультимодальных моделей. Двигаемся в сторону использования графовых нейронных сетей для рекомендаций.
Технологии:
- данные храним в YTsaurus, запускаем джобы обучения через airflow или kubeflow;
- мониторинг обучения через MLFlow или wandb;
- также есть коммунальные GPU/CPU хосты.
Рост
Мы занимаемся широким спектром задач: ранжирование, контентные модели, трансформеры, графовые нейронные сети. Благодаря этому мы можем периодически меняться задачами, тем самым развивая каждого в разных областях. Мы активно принимаем участие в конференциях и готовим статьи уровня A*/A. На регулярных 1to1 мы фокусируемся на профессиональном росте и стремимся, чтобы каждый занимался тем, что ему интересно.
Задачи:
- чтение и разбор статей. Мы находимся в постоянном поиске новых технологий и заглядываем за горизонт. Надо будет читать статьи, искать новые подходы, воспроизводить их и тестировать на наших данных;
- сбор и подготовка данных для обучения моделей. Надо из сырых данных пользовательского взаимодействия с контентом выгружать и формировать данные в нужном для обучения формате;
- разработка контентных моделей: у нас есть разные типы контента — длинные видео, короткие клипы, посты — нужно разрабатывать модели, которые будут генерировать эмбеддинги, а затем их использовать для улучшения качества рекомендаций и не только;
- разработка и тестирование алгоритмов рекомендаций: надо будет читать статьи, изучать SOTA подходы к рекомендательным системам, тестировать разные алгоритмы. Все тесты логировать, принимать решение о том, какие алгоритмы будем использовать. Принимать решение не только на основе метрик, но и на основе того, как это будет работать и масштабироваться в продакшене.
Требования:
- практический опыт работы в ML;
- опыт построения нейросетевых моделей;
- уверенное знание Python;
- опыт оптимизации и внедрения моделей в продакшен;
- знание классических алгоритмов и структур данных.
Будет плюсом:
- умение писать продакшен код;
- знание SQL;
- опыт построения рекомендательных систем;
- опыт чтения и воспроизведения алгоритмов из научных статей.
