Hidden

Senior ML researcher (RecSys) в AI VK, Москва

Mы - команда R&D рекомендательных систем (сейчас нас в команде 7 человек, выпускники ШАД, МФТИ и ФКН) в поиске Senior ML researcher (RecSys) к нам в команду.

Мы в AI VK строим самую большую рексистему в России для Дзена, ВКонтакте и Одноклассников, аудитория которых составляет более 90% пользователей рунета. Ежедневно мы анализируем сотни миллиардов событий, чтобы дать пользователям лучший опыт взаимодействия с контентом.

Про команду R&D рекомендательных систем:

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, контеные 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.

• 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.

• Практический опыт работы в ML;
• Опыт построения нейросетевых моделей;
• Уверенное знание python;
• Опыт оптимизации и внедрения моделей в продакшн;
• Знание классических алгоритмов и структур данных

• задачи, от которых хочется жить, творить и развиваться
• команда, с которой можно спорить, шутить и работать
• вечеринки, о крутости которых неприлично рассказывать, но невозможно молчать
• офис на «Павелецкой», в котором все мечтают остаться жить
• большой спортзал, пинг-понг-арена, фрукты, овощи и всё такое полезное для здоровья