ml инженер рекомендательных систем

Группа мультимодальных контентных моделей VK разрабатывает технологии глубокого понимания контента для рекомендательных систем. Команда создаёт embedding-модели, мультимодальные модели и контентные классификаторы для постов, клипов, видео, музыки, текста, изображений, речи и звука, а также внедряет их в продукты VK.

• Разрабатывать и обучать базовые embedding-модели для текста, изображений, видео, речи, звука и музыки;
• Разрабатывать мультимодальные модели и контентные классификаторы;
• Исследовать архитектуры и методы обучения представлений: metric learning, contrastive learning, self-supervised и supervised learning;
• Строить датасеты и бенчмарки для оценки качества моделей и проводить масштабные экспериментальные исследования;
• Адаптировать модели под задачи retrieval и рекомендательных систем;
• Интегрировать модели в продуктовые механики рекомендаций постов, клипов, видео и музыки;
• Оптимизировать и масштабировать обучение и инференс моделей;
• Деплоить модели и сопровождать их в продакшене;
• Проводить A/B-тесты, анализировать метрики и мониторить качество;
• Разбирать свежие статьи и идеи из индустрии и академической среды;
• Воспроизводить перспективные подходы и проверять их на рабочих задачах;
• Настраивать пайплайны сбора и разметки данных;
• Работать с асессорами и синтетическими данными;
• Проектировать инструкции, контролировать качество и проводить калибровки.

• Опыт разработки, обучения и внедрения DL-моделей;
• Уверенное знание теории машинного и глубокого обучения;
• Хорошее понимание алгоритмов и структур данных, линейной алгебры, теории вероятностей и статистики;
• Умение проектировать корректные эксперименты, выбирать метрики и интерпретировать результаты;
• Навык написания чистого и поддерживаемого кода;
• Понимание принципов проектирования ПО;
• Владение современными практиками совместной разработки с кодовыми агентами;
• Умение декомпозировать задачи для агентных инструментов, контролировать и ревьюить сгенерированный код;
• Умение самостоятельно разбираться в новых предметных областях, быстро ставить эксперименты и проверять гипотезы;
• Готовность работать как с исследовательской частью задачи, так и с её инженерной реализацией;
• Открытость, ответственность, самостоятельность и проактивность;
• Будет плюсом опыт разработки поисковых или рекомендательных систем в индустриальном масштабе, работы с embedding-моделями, metric learning, contrastive learning, representation learning, мультимодальными, VLM, audio-language, video encoders и foundation-моделями, обучения моделей для аудио, музыки, речи, изображений и видео, self-supervised learning и большими слабоструктурированными датасетами, распределённого обучения на нескольких GPU или узлах, оптимизации DL-моделей, построения больших датасетов и систематических бенчмарков, публикаций на профильных ML-конференциях или сильный исследовательский бэкграунд.

• Гибкий график работы;
• Бонусы и скидки от партнёров;
• Офис в центре города;
• ДМС;
• Профессиональная команда.