ML-инженер в Почта

Сегодня почти вся онлайн-жизнь собрана в почтовых и облачных сервисах. Лента фото и документов в Облаке, билеты, заказы и чеки в Почте — это далеко не все артефакты, которые при правильном подходе могут улучшить качество онлайн-потребления для пользователей Mail. Наша задача как ML-команды заключается в том, чтобы эту информацию отфильтровать, структурировать и предоставить пользователю в наиболее удобном и ценном виде. Это умная часть сервисов Mail. Мы ищем специалистов, которые: Мы будем рады вашему отклику и при обоюдном интересе предложим условия и проекты, от которых не захочется отказываться. Крупнейший и самый популярный почтовый сервис в русскоязычном сегменте. Мы постоянно работаем над новыми технологиями и взаимодействуем с высоконагруженными проектами мирового уровня. Задачи: Representation learning для описания поведения и интересов пользователей; Извлечение сущностей и создание событий в Календаре и Покупках; Развитие наших LLM-моделей; Разработка нейродайджеста; Автоматизация поддержки пользователей генеративными и дискриминативными моделями Требования: Отличное знание основ машинного обучения; Два-три года опыта разработки с использованием Python/C++; Уверенное знание теории вероятностей и математической статистики; Понимание структур данных и алгоритмов; Знания современных алгоритмов обработки естественного языка (Word Embeddings, LSTM, Transformers, LLM, etc.); Опыт работы с библиотеками для глубокого обучения (Pytorch, Transformers, etc.)

Секреты цифровой доступности Как попасть в команду Возможность работать над продуктами, которыми пользуются миллионы людей Реализация передовых ML-решений в HighLoad-окружении: через нас проходят миллиарды писем и файлов пользователей, которые необходимо обрабатывать и анализировать Работа над широким спектром задач: классический ML, NLP/LLM, CV Бонусы: Гибкий график работы; Бонусы и скидки от партнеров; Офис в центре города; ДМС; Профессиональная команда Дополнительные плюсы: Отличные коммуникативные навыки; Опыт разработки микросервисных архитектур; Знание стека технологий Hadoop (Spark/YT); Опыт работы с фреймворками vLLM/TensorRT; Опыт обучения LLM с использованием RL, а также разработки проектов на базе агентов и RAG; Опыт использования Docker/Kubernetes