Senior Deep Learning Engineer в Recsys Lab

RecSys Lab — это R&D-команда в направлении рекомендаций Wildberries. Мы фокусируемся на исследованиях и разработке новых подходов в рекомендательных системах, тестируем нетривиальные гипотезы и предлагаем свежий взгляд на текущие решения.

Наш приоритет — прикладной ресёрч: мы активно следим за научными публикациями и внедряем инновационные идеи в продакшн. Наша цель — сделать процесс внедрения новых перспективных идей в продукты максимально быстрым и эффективным.

Сейчас мы ищем опытного ML-специалиста, который присоединится к нашей команде и будет участвовать в поиске и тестировании новых перспективных подходов.

• Глубокое понимание работы нейросетей и умение объяснить их работу "под капотом";
• Широкий кругозор в современном машинном обучении;
• От 3+ лет промышленного опыта в обучении/файнтюне NLP/RecSys или смежных задачах (поиск, мэтчинг) в большом продукте с миллионами пользователей и товаров;
• Отличное владение Pytorch;
• Исследовательский склад ума и интерес к экспериментам;
• Способность работать с научными статьями и внедрять идеи на практике;
• Умение чётко представлять результаты исследований.
  

Будет плюсом

• Ученая степень в области рекомендательных систем (RecSys) или глубокого обучения (DL);
• Специализация в одной из областей DL: CV или NLP/LLM;
• Опыт работы с BigData-стеком (Hadoop, Pyspark);
• Опыт организации или участия в научных Reading Club;
• Победы на ML-хакатонах и конкурсах, публикации на Habr или топовых конференциях (NeurIPS, ICML, CVPR).

Что нужно делать

• Экспериментировать с новыми DL-архитектурами и совершенствовать существующие;
• Изучать и отбирать перспективные идеи на основе графовых моделей, Seq2Seq-архитектур, CV, LLM из свежих статей;
• Создавать MVP-решения на основе публикаций, адаптируя их под специфику Wildberries;
• Проводить комплексные эксперименты и исследования;
• Анализировать общие проблемы рекомендательных систем (position/popularity bias, feedback loop, корреляция онлайн и офлайн метрик);
• Сотрудничать с другими ML-инженерами, аналитиками и продуктовыми командами для проверки гипотез;
• Делиться результатами и участвовать в масштабировании решений во всем направлении.

• Интересные задачи, и исследовательские, и прикладные, возможность переключаться между ними и видеть улучшения от них в production;
• Большие данные, сотни миллионов товаров, миллиарды действий пользователей в день, ресурсы и инфраструктуру, необходимые для работы с ними;
• Инфраструктура: Мощные GPU-кластеры, петабайты данных;
• Развитие: Конференции, курсы, внутренние митапы;
• Гибридный или удаленный формат работы с гибким началом рабочего дня;
• Бесплатное питание в наших офисах;
• Скидки на фитнес и образовательные программы.