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.