Разработчик алгоритмов рекомендаций

Во многих сервисах Яндекса используются рекомендательные системы: мы рекомендуем музыку, фильмы, статьи и новости, товары, рестораны и многое другое. Для этого используется единая платформа ранжирования и рекомендаций, которую разрабатывает наша команда. Эта платформа строит рекомендации в реальном времени, масштабируется на сотни миллионов пользователей и объектов, объединяет информацию из различных сервисов. В платформе уже реализованы многие алгоритмы рекомендаций: от классической коллаборативной фильтрации до многослойных нейросетей различных архитектур.

Сейчас перед нашей командой стоят серьезные и очень интересные вызовы, и вы можете присоединиться к нам, чтобы работать над ними.

Товарные рекомендации Сейчас Яндекс сильно фокусируется на e-commerce и в первую очередь на Маркете. Для Маркета рекомендации — неотъемлемая часть, и мы видим большой потенциал для их улучшения. Мы хотим сделать так, чтобы товарные рекомендации, во-первых, были классными и всем нравились, а во-вторых, приносили заметный процент денег (GMV).

Трансформеры Подход глубинного обучения занимает все большее место в области рекомендаций. А сети на основе архитектуры трансформеров доказали свою эффективность во многих задачах с анализом последовательностей и не только. В Яндексе эти сети уже показали пользу на задачах персонализации поиска и рекламы. Теперь мы хотим научиться применять их в задачах рекомендаций. Вероятно, мы стоим на пороге нового скачка вперед по качеству алгоритмов рекомендаций, и вы можете стать именно тем, кто сделает этот скачок.

Reinforcement Learning Все классические рекомендательные системы обучаются на оптимизацию краткосрочного отклика пользователей: клики, покупки, лайки, просмотры. Но сервисам обычно важны более долгосрочные метрики — сколько полезных действий пользователи совершат за длинный период времени. Мы уже дошли до состояния, когда эти метрики могут противоречить друг другу. Для оптимизации долгосрочных метрик можно использовать разные подходы. Один из них — обучение с подкреплением. Мы хотим внедрить эти методы, получив прирост в долгосрочных бизнес-метриках сервисов.

• обладаете отличными навыками программирования, знаете классические алгоритмы и структуры данных;
• хорошо знаете Python или C++;
• глубоко понимаете принципы машинного обучения;
• имеете опыт в области глубинного обучения (для трансформеров).

• разрабатывать систему товарных рекомендаций, измерять и улучшать ее качество на разных стадиях ранжирования;
• исследовать, разрабатывать и внедрять новые алгоритмы рекомендаций (трансформеры, обучение с подкреплением).