Senior ML researcher (RecSys) в AI VK

Mы - команда R&D рекомендательных систем, сейчас нас в команде 10 человек, выпускники ШАД, МФТИ и ФКН. 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.ТехнологииДанные храним в YTsaurus.Запускаем джобы обучения через airflow или kubeflow.Мониторинг обучения через MLFlow или wandb.Также есть коммунальные GPU/CPU хосты.РостМы 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. Мы развиваем технологии искусственного интеллекта для ключевых продуктов VK, создаём систему рекомендаций и поиска контента на наших платформах. Задачи: 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. Требования: 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

— Секреты цифровой доступности Как попасть в команду 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. Бонусы: Гибкий график работы; Бонусы и скидки от партнеров; Офис в центре города; ДМС; Профессиональная команда; Бонусы от партнеров; Интересные задачи Дополнительные плюсы: Умение писать продакшн код;; Знание SQL;; Опыт построения рекомендательных систем;; Опыт чтения и воспроизведения алгоритмов из научных статей