Разработчик машинного обучения

Скоринговая платформа Яндекса — это B2B-проект по разработке скоринговой оценки клиентов, основанной на агрегированных данных Яндекса. Скоринговая оценка используется при решении задач в области борьбы с отмыванием денег, антифрода, кредитного скоринга, создания кастомных сегментов для рекламы в Рекламной сети Яндекса и других решений для партнеров.

«Под капотом» всех наших решений лежат самые разные алгоритмы машинного обучения, как «классические» (бустинг, коллаборативная фильтрация), так и основанные на анализе контента (в основном текстового). Наша ежедневная работа в чём-то напоминает процесс участия в соревновании по спортивному машинному обучению: мы очень любим быстро прототипировать и проверять новые признаки и сигналы. Однако в отличие от спортивного машинного обучения мы обладаем огромным объемом агрегированных статистических данных из многочисленных сервисов Яндекса и из Рекламной сети, что позволяет нам обучать сложные базовые модели и обеспечивать высокое качество скоринговой оценки. При этом мы всегда стремимся унифицировать и обобщить наши пайпланы обработки данных и обучения базовых моделей и финальных ранкеров, чтобы легко масштабировать наши решения на большое количество клиентов.

====Вы нам подходите, если вы:

• имеете опыт решения прикладных задач с помощью технологий машинного обучения (понимаете, где лучше остановиться на линейной регрессии, где можно попробовать бустинг, а где надо построить ансамбль моделей);
• знаете классические алгоритмы и структуры данных (вам часто предстоит самостоятельно доводить ваши решения до продакшна);
• обладаете базовой математической подготовкой (математическая статистика, теория вероятностей, линейная алгебра);
• умеете работать с данными и строить пайплайны их обработки.

====Кроме того, приветствуются:

• опыт участия в соревнованиях Kaggle;
• опыт работы с одним из фреймворков глубокого обучения (TensorFlow, PyTorch, Caffe или что-то другое).