Вакансия в архиве
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Мы применяем алгоритмы машинного обучения к рекомендациям контента. Мы не просто берем готовые решения, но и создаем собственные, пригодные к работе в условиях высоких нагрузок и больших данных. Помимо классического ML, мы используем deep learning и байесовские методы. Типичный пример нашего проекта — система, которая на ходу учится определять перспективность нового контента и аудиторию, среди которой он будет наиболее востребован.
Ищем специалиста, который будет вместе с нами разрабатывать рекомендательную систему, искать возможности для роста и формировать планы по развитию продукта.
Вам предстоит:
• математически формулировать бизнес-задачи;
• использовать огромное количество разных данных;
• создавать гипотезы по улучшению сервиса, внедрять их и проверять работоспособность в офлайне, а в случае удачи искать способы реализации;
• проводить A/B-тесты и анализировать результаты экспериментов.
У нас интересно, потому что вы сможете поработать с разнообразными state-of-the-art решениями в области рекомендательных систем, например:
• с продвинутыми методами матричной факторизации для извлечения информации из истории просмотров и поиска;
• построением текстовых эмбеддингов;
• методами reinforcement learning;
• SNA-техниками для анализа социального графа;
• разработками big data и аналитикой поверх стека Apache Spark;
• product science для инсайтов и генерирования продуктовых гипотез;
• анализом границ применимости моделей, техниками explanation для понимания работы моделей и их специфик.
Мы ожидаем, что вы:
• имеете отличную математическую и алгоритмическую подготовку;
• знаете методы машинного обучения и умеете грамотно их использовать;
• работали с рекомендательными системами или интересуетесь ими;
• уверенно владеете Python, Java или Scala, а также любым из диалектов SQL.
Будет плюсом, если вы:
• умеете работать с фреймворками big data — Spark, Hadoop;
• знакомы с байесовскими методами машинного обучения.
Приглашаем кандидата, который сможет посещать офис в Санкт-Петербурге или работать в гибридном графике. Ждем ваших откликов. Удачи!
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию