ML-разработчик в Рекламу
Пока вы заходите на сайт или в поиск, десятки нейросетей подбирают для вас релевантную рекламу. Только представьте — авторегрессивные трансформеры и нейроранкеры инферятся на сотнях тысяч запросов в секунду. У вас будет возможность прикоснуться к рекомендательной системе рекламы и улучшить её!Большие данные и SOTA-модели
Чтобы добиться максимального качества, мы используем тяжёлые трансформерные архитектуры и обучаем их на петабайтах данных. В процессе экспериментов мы не просто исследуем архитектуры из статей и проверяем факторы, но и задумываемся об оптимизации. В рекламную сеть Яндекса ежесекундно приходят десятки и сотни тысяч запросов — и нужно очень быстро подбирать релевантные рекламные объявления. Внедрённые ARGUS (авторегрессивный трансформер над историей пользователя), DeepRanker (нейроранжирование), VibeNet (модель с эмбеддами на 2 Tb), а также находящиеся в работе (например, проекты с end2end-моделями или SemanticID) показывают, насколько крутые и современные модели мы разрабатываем и успешно внедряем, даже несмотря на огромный RPS. ML-системы и продакшен-код
Вам предстоит работать с полным циклом создания ML-модели: от сбора логов и обучения до внедрения в продакшен. В том числе вы станете взаимодействовать с различными сервисами рекламы и писать код, который будет применяться в реалтайме и принесёт реальную пользу! Прикладные исследования
Мы следим за трендами, поэтому не только внедряем модельки, но и занимаемся как фундаментальными исследованиями в области рекомендательных систем, так и прикладными исследованиями для конкретного рекламного домена. Результаты наших исследований действительно заметны и приносят пользу: мы чётко понимаем, насколько сильно улучшаем рекламные продукты. Больше об ML в Яндексе — в канале Yandex for ML* Отлично знаете математику * Понимаете основные принципы ML * Понимаете принципы глубинного обучения и работали с ним * Применяли PyTorch или TensorFlow * Интересуетесь трендами рекомендательных систем (RecSys) и знакомы с современными статьями и SOTA-архитектурами * Знаете основные принципы и архитектуры RecSys* Глубоко знаете NLP (Natural Language Processing) и Deep Learning * Занимались распределённым обучением нейросетей * Знаете C++ на экспертном уровне
Чтобы добиться максимального качества, мы используем тяжёлые трансформерные архитектуры и обучаем их на петабайтах данных. В процессе экспериментов мы не просто исследуем архитектуры из статей и проверяем факторы, но и задумываемся об оптимизации. В рекламную сеть Яндекса ежесекундно приходят десятки и сотни тысяч запросов — и нужно очень быстро подбирать релевантные рекламные объявления. Внедрённые ARGUS (авторегрессивный трансформер над историей пользователя), DeepRanker (нейроранжирование), VibeNet (модель с эмбеддами на 2 Tb), а также находящиеся в работе (например, проекты с end2end-моделями или SemanticID) показывают, насколько крутые и современные модели мы разрабатываем и успешно внедряем, даже несмотря на огромный RPS. ML-системы и продакшен-код
Вам предстоит работать с полным циклом создания ML-модели: от сбора логов и обучения до внедрения в продакшен. В том числе вы станете взаимодействовать с различными сервисами рекламы и писать код, который будет применяться в реалтайме и принесёт реальную пользу! Прикладные исследования
Мы следим за трендами, поэтому не только внедряем модельки, но и занимаемся как фундаментальными исследованиями в области рекомендательных систем, так и прикладными исследованиями для конкретного рекламного домена. Результаты наших исследований действительно заметны и приносят пользу: мы чётко понимаем, насколько сильно улучшаем рекламные продукты. Больше об ML в Яндексе — в канале Yandex for ML* Отлично знаете математику * Понимаете основные принципы ML * Понимаете принципы глубинного обучения и работали с ним * Применяли PyTorch или TensorFlow * Интересуетесь трендами рекомендательных систем (RecSys) и знакомы с современными статьями и SOTA-архитектурами * Знаете основные принципы и архитектуры RecSys* Глубоко знаете NLP (Natural Language Processing) и Deep Learning * Занимались распределённым обучением нейросетей * Знаете C++ на экспертном уровне