Мы развиваем AI функционал в продукте, который дает возможность пользователям открывать новый для себя контент и места для интересного времяпрепровождения с учетом их личных предпочтений. Поиск по промпту, предиктивные рекомендации с учетом данных профиля пользователя и социального графа - это и еще многие другие задачи, которыми мы занимаемся.
Наша команда подошли к этапу продуктивизации существующих прототипов, и мы ищем ML/NLP инженера, который поможет улучшить их механики и будет работать вместе с нами над самыми смелыми идеями, проводя исследования и эксперименты по их реализации.
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
-
улучшать существующие сервисы поиска и рекомендаций контента и разрабатывать новые;
-
производить количественные и качественные оценки работы pipeline'ов и принимать на основе метрик решения о дальнейших изменения;
-
экспериментировать с LLM и подбирать оптимальные методы обучения/дообучения для задач query understanding, NER, классификации;
-
разрабатывать облегченные модели, заточенные под конкретный домен контента и задачи;
-
участвовать в разработке ML архитектуры и взаимодействовать с DE для определения оптимальной структуры данных;
-
много исследовать и экспериментировать в рамках реализации персонализации и предиктивных рекомендаций.
ЧТО НУЖНО ДЛЯ ЭТОЙ РАБОТЫ:
-
опыт от 2-х лет;
-
опыт разработки на Python с использование основных data библиотек (pandas, polars, NumPy);
-
знание SQL на уровне извлечения данных из каталогов для анализа и экспериментов;
-
уверенная база по классическому ML;
-
опыт работы с LLM (Prompt Engineering & Tuning);
-
понимание, как выполнять Fine Tuning, в частности используя PEFT методы (LoRA);
-
опыт использования ML/DL фреймворков для обучения (PyTorch);
-
понимания архитектуры трансформеров, в частности BERT и GPT семейств;
-
понимание, как выполнять Fine Tuning, в частности используя PEFT методы (LoRA);
-
опыт использования ML/DL фреймворков для обучения (PyTorch);
-
умение пользоваться docker и инструментами для serving'а моделей (vLLM, Triton, KServe, Ray Serve);
-
понимание основных метрик, в особенности для классификации и IR (information retrieval), и умение их интерпретировать.
ЧТО МЫ ИСПОЛЬЗУЕМ:
-
сервисы на Python (FastAPI);
-
Weaviate для гибридного поиска;
-
PostgreSQL, MongoDB, RedisSearch;
-
Airflow, Flink - k8s, VM с GPU A100 80Gb;
-
serving через vLLM, в планах переход на KubeFLow с KubeRay;
-
MTS Big Data.
МЫ ПРЕДЛАГАЕМ:
- большое дизайн-комьюнити – общение и наставничество, своя дизайн-система;
- внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации;
- полезные курсы и вебинары в корпоративном университете и электронные библиотеки;
- медицинскую страховку с 1 месяца со 100% покрытием расходов, включая стоматологию, страхование жизни и здоровья в поездках за рубеж. А еще можно застраховать родственников с корпоративной скидкой;
- единую подписку МТС Premium — KION light в онлайн-кинотеатре KION, сервис МТС Music, 30 дней бесплатного пользования подпиской OZON Premium.
