Обязанности: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: умеете работать с фреймворками Big Data Spark, Hadoop; знакомы с байесовскими методами машинного обучения. Приглашаем кандидата, который сможет посещать офис в Санкт-Петербурге. Ждём ваших откликов. Удачи