Одноклассники — это крупнейшая развлекательная социальная сеть в России. Место, где можно всегда оставаться на связи со своими друзьями и близкими, выкладывать и редактировать фотографии, слушать любимую музыку, смотреть самые популярные видео и многое другое!
Команда Новых пользователей занимается авторизацией и привлечением пользователей на портал. Задачи команды распространяются от процессов регистрации, логина и восстановления, до улучшений, связанных с вовлеченностью пользователей в сервисы и обеспечением безопасности профилей.
Мы ищем Специалиста по машинному обучению, который будет участвовать в разработке рекомендательных сервисов холодного старта пользователей, возможных друзей и пушей. Если ты эксперт в CV/NLP или умеешь качественно шатать таблички в Big Data стеке и понимаешь бизнес, то для тебя тоже найдутся задачи.
В задачу сервисов входит не только отобрать интересный контент пользователю, но и сделать это быстро. Мы используем гибкую систему экспериментов, в которых задействованы различные алгоритмы ML. Для обеспечения быстродействия и отказоустойчивости у нас поднято более 600 инстансов в трех датацентрах.
Задачи
Рекомендательные системы:
- автороцентричное ранжирование;
- реалтайм адаптация к текущим интересам пользователя;
- как сделать рекомендации разнообразными;
- участвовать в создании новых контентных фичей с помощью компьютерного зрения и текстовой генерации;
- автоматический поиск и оценка перспективных создателей контента.
Ранжирование:
- как измерять и влиять на "счастье" пользователей;
- как оптимизировать системы так, чтобы были счастливы и создатели, и потребители контента;
- как корректно проводить тестирование новых функциональностей в системе с сильным сетевым эффектом.
Требования
- умение прочитать, а затем воспроизвести в коде статью;
- опыт в разработке рекомендательных систем;
- опыт промышленной разработки на Java/Scala/Python;
- опыт работы с современным BigData стеком (Hadoop/Spark/Airflow).
Будет плюсом
- опыт применения DevOps практик в контексте разработки ML моделей;
- знание основных нейросетевых архитектур в CV/NLP.