Вакансия: Data scientist/Machine learning engineer в Команду CoreML

Город, регион: Невский проспект (населённый пункт) места работы.

Смотрите другие актуальные вакансии в городе (регионе) Невский проспект

Компания: ВКонтакте (организация, фирма, ИП);

Логотип (бренд, торговая марка, эмблема) компании (организации, фирмы, ИП):

Репутация работодателя ВКонтакте:

Читайте свежие отзывы сотрудников об этом работодателе.

Оставить отзыв об этом работодателе без регистрации бесплатно на этом сайте-агрегаторе вакансий.

Зарплата: по договорённости;

Требования к работнику:

Дополнительные требования:
не указаны

Дополнительное описание вакансии:
Когда большой AUC - это твой профиль. Ежедневно мы в Команде разработки рекомендательных систем развиваем ключевые продукты ВКонтакте: контентную платформу, умную ленту новостей, а также рекомендации записей, друзей, музыки и видео. Мы тщательно анализируем, как нововведения влияют на пользователей, платформу и производительность. Сейчас мы ищем middle- или senior-разработчика, которому предстоит работать над одним из этих направлений. Нужно будет задействовать полный стек технологий: BigData, ML, Backend, аналитику. Напишите нам, даже если про в ас — только один из этих пунктов, а по остальным в ы готовы развиваться: высокий уровень навыков в программировании; отличные знания алгоритмов и структур данных; умение грамотно использовать алгоритмы машинного обучения; навыки работы с фреймворками Big Data; сильная математическая база. В работе мы применяем: Hadoop, Spark, Kafka и другие технологии из мира Big Data, которые мы готовим на Scala; PyTorch и другие инструменты для анализа контента и работы с нейронными сетями; Python и широкий стек библиотек для задач машинного обучения и аналитики; свой диалект PHP с расширениями для эффективной работы с системами. Наш принцип — работать небольшими итерациями, начиная с самых простых решений. Такой подход позволяет быстро и эффективно справляться с поставленными задачами. Примеры задач, с которыми наша К оманд а сталкива е тся ежедневно Рекомендательные системы: какие авторы будут интересны пользователю и как найти для создателей контента новую аудиторию; как факторизовать разрежённую матрицу с миллиардами значений; как провести кластеризацию и классификацию пользователей и авторов по интересам; как рекомендовать друзей на основе анализа гигантского социального графа и других данных о пользователе; как кластеризовать вершины в графах, если их там сотни миллионов; как обеспечить новизну и разнообразие рекомендаций. Ранжирование: что такое «счастье» пользователей, авторов и контентной платформы, как его точно измерить даже при небольших изменениях; как построить функцию потерь, которая наиболее точно соответствует «счастью»; какие факторы влияют на то, что нравится и не нравится пользователю; как собрать данные для обучения модели; как найти мощные модели ранжирования, которые способны работать под большой нагрузкой; как корректно проводить тестирование новых функциональностей в системе с сильным сетевым эффектом. Инфраструктура: как эффективно собирать, хранить и обрабатывать терабайты данных каждый день, а также масштабировать машинное обучение под такой объём информации; как быстро узнавать о проблемах и их причинах; как понять, что рекомендательная система работает корректно; как сделать онлайн-ранжирование быстрее и производительнее; как построить инфраструктуру, чтобы нейронные сети могли обрабатывать весь контент, который загружается ВКонтакте. Контентный анализ: как понять, о чём текст и картинка; как объединить данные, чтобы выяснить, о чём публикация; как провести кластеризацию и классификацию разного контента (кликбейт, спам, 18+) при отсутствии размеченных данных; как объединить контентные и коллаборативные данные в одну систему; как определить оригинальность контента. Андрей Якушев, руководитель команды CoreML: « В Команде CoreML высокая культура работы с данными, хорошая продуманная инфраструктура и невероятно крутые коллеги. Мы холиварим, разбирая идеи, выкатываем в прод только лучшие и постоянно расширяем свой кругозор ». У нас интересно, потому что: Наши решения используются в разных сервисах ВКонтакте, в том числе в рекламе, бэк-офисе и антиспаме. Вы сможете самостоятельно придумывать и реализовывать обновления, которыми будет приятно пользоваться вам, вашим друзьям и ещё миллионам людей. Мы предлагаем: интересные и сложные задачи на стыке разных областей знаний; минимальную бюрократию и максимальную скорость разработки; возможность быстро прокачать свои навыки; работу с лучшими специалистами в своих направлениях, чемпионами мира по программированию, кандидатами технических наук и перспективными талантами; офис в историческом центре Санкт-Петербурга; уровень зарплаты, который зависит только от ваших знаний и трудоспособности ДМС, чтобы лечиться в удобное время и без лишних трат.

Вакансия № 4-12291366 относится к сфере деятельности: "Наука, образование" » "Математика".

Вы можете перейти к просмотру актуальных предложений работы выбранного населенного пункта с учетом сферы деятельности вакансии № 4-12291366: "Наука, образование в населенном пункте текущего места труда" » "Математика в населенном пункте текущего места труда".

Контакты работодателя / Смотреть детально...
(Переходите на веб-страницу сайта-партнёра «Служба Занятости Населения (электронная)» с вакансией № 4-12291366 на должность "Data scientist/Machine learning engineer в Команду CoreML" в городе (населенном пункте, регионе) Невский проспект, где находится телефон, Telegram, Skype, Viber, WhatsApp, E-mail, адрес работодателя "ВКонтакте")