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. Ждём ваших откликов. Удачи!