Мы исследуем точки роста для ML-алгоритмов и внедряем результаты своих исследований. Основным направлением является развитие продвинутых рекомендательных алгоритмов. Сюда может входить как доведение до совершенства классических матричных/тензорных факторизаций, так и эксперименты с новыми графовыми/трансформерными архитектурами.

Задачи

• экспериментировать с полным спектром RecSys-моделей (MF, Transformers, GNN, etc.);
• взаимодействовать со смежными командами (периодически решаем интересные исследовательские задачи от соседних команд, в том числе CV и NLP);
• самостоятельно реализовывать модели из статей, выдвигать и проверять гипотезы, проводить A/B.

Требования

• опыт промышленного применения ML (можете не просто обучить модель, но и корректно поставить задачу);
• высшее техническое или математическое образование (хорошо помните теорвер, матстат и линал);
• глубокое понимание алгоритмов классического ML (LogReg, KNN, CatBoost, etc.), опыт работы с PyTorch или TensorFlow.

Будет плюсом

• успешно участвовали в соревнованиях (Kaggle, Yandex Cup, etc.);
• реализовывали алгоритмы ранжирования, строили рекомендательные системы;
• программировали на Java или С++, работали с MapReduce;
• имеете публикации в области ML.