Middle+ / Senior DL Engineer в Recsys Lab

RecSys Lab — это R&D-команда в направлении рекомендаций Wildberries. Мы фокусируемся на исследованиях и разработке новых подходов в рекомендательных системах, тестируем нетривиальные гипотезы и предлагаем свежий взгляд на текущие решения.

Наш приоритет — прикладной ресёрч: мы активно следим за научными публикациями и внедряем инновационные идеи в продакшн. Наша цель — сделать процесс внедрения новых перспективных идей в продукты максимально быстрым и эффективным.

Сейчас мы ищем опытного ML-специалиста, который присоединится к нашей команде и будет участвовать в поиске и тестировании новых перспективных подходов.

Экспериментировать с новыми DL-архитектурами и совершенствовать существующие; Изучать и отбирать перспективные идеи на основе графовых моделей, Seq2Seq-архитектур, CV, LLM из свежих статей; Создавать MVP-решения на основе публикаций, адаптируя их под специфику Wildberries; Проводить комплексные эксперименты и исследования; Анализировать общие проблемы рекомендательных систем (position/popularity bias, feedback loop, корреляция онлайн и офлайн метрик); Сотрудничать с другими ML-инженерами, аналитиками и продуктовыми командами для проверки гипотез; Делиться результатами и участвовать в масштабировании решений во всем направлении. Глубокое понимание работы нейросетей и умение объяснить их работу "под капотом"; Широкий кругозор в современном машинном обучении; От 3+ лет промышленного опыта в обучении/файнтюне NLP/RecSys или смежных задачах (поиск, мэтчинг) в большом продукте с миллионами пользователей и товаров; Отличное владение Pytorch; Исследовательский склад ума и интерес к экспериментам; Способность работать с научными статьями и внедрять идеи на практике; Умение чётко представлять результаты исследований; Специализация в одной из областей DL: CV или NLP/LLM; Опыт работы с BigData-стеком (Hadoop, Pyspark); Опыт организации или участия в научных Reading Club; Ученая степень в области рекомендательных систем (RecSys) или глубокого обучения (DL) - будет плюсом; Победы на ML-хакатонах и конкурсах, публикации на Habr или топовых конференциях (NeurIPS, ICML, CVPR) - будет плюсом.