Задачи

• развитие сервиса рекомендаций медиаконтента для увеличения «Time spent» пользователей. Мы хотим, чтобы пользователи могли без проблем найти фотографии не только своих друзей, но и любой другой интересный для них контент от авторов в ОК. Позалипать на него, поставить классы/отправить комментарии или просто сохранить себе в закладки;
• увеличение доли пользователей, получающих фидбэк на фото.

Требования

Что мы будем от ждать от тебя?

• ты отлично разбираешься в фундаментальных принципах статистики и машинного обучения;
• верно хотя бы одно из двух:
  1. у тебя есть опыт заведения в современного компьютерного зрения в продакшен и базовые знания алгоритмов рекомендаций;
  2. ты делал(а) продакшен-рекомендеры и понимаешь, как работает современное компьютерное зрение.
• ты умеешь программировать на python и писал(а) продакшен код на одной из питоновских MLбиблиотек;
• ты умеешь программировать на scala или java, если знаешь что-то про hadoop/spark - вообще отлично;
• готов(а) погружаться с головой в продуктовые решения;
• умеешь построить доверительные отношения с командой: принимать критику и открыто высказывать свое мнение;
• нормально живешь с понятием «неудачные гипотезы». Бывают удачные и неудачные эксперименты, и поэтому мы ждем, что ты будешь относиться к этому как к способу извлечь уроки, сделать выводы и в следующий раз не допустить вместе с командой ошибки;
• умеешь делиться знаниями и развивать компетенции команды;
• не боишься ответственности и готов(а) взять на себя реализацию с нуля продуктовых гипотез (от обсуждения идеи до запуска в продакшн и принятия решения по раскатке).