Мы предлагаем тебе уникальную возможность заниматься разработкой музыкальных рекомендательных сценариев и внедрением решений на основе машинного обучения в продакшен. В твоем распоряжении будет огромный массив данных — около 100 млн треков, который продолжает расти.
Задачи
Разработка и развитие оффлайн музыкальных и немузыкальных (книги/подкасты) рекомендательных сценариев на основе классического ML и DL.
Создание новых фичей приложения — например обновляемая "лента" плейлистов, бесконечные воспроизведения по треку и артисту, плейлисты под жизненные ситуации.
Внедрение разработанных решений в продакшен, включая интеграцию с существующими системами.
Полный цикл мониторинга и поддержки внедренных решений.
Анализ качества рекомендаций, поиск проблемных зон и проведение A/B-тестов для оценки эффективности сценариев.
Требования
Техническое образование.
Опыт работы в области Data Science / Machine Learning от 3 лет.
Опыт разработки рекомендательных систем от 1 года.
Опыт реализации и внедрения моделей машинного обучения в продакшен.
Уверенное знание алгоритмов машинного обучения, включая глубокое понимание рекомендательных систем (RecSys).
Способность самостоятельно исследовать новые подходы в ML, читать научные статьи на английском и воспроизводить их на практике.
Владение Python 3 на уровне разработчика.
Опыт работы с библиотеками и фреймворками:
Для рекомендательных систем: Implicit, LightFM, RecTools, RecBole.
Для глубокого обучения: PyTorch, SAS4Rec.
Для классического ML: CatBoost, scikit-learn.
Для работы с данными: SQL, PySpark, pandas, Polars.
Для инфраструктуры: HDFS, Docker, Airflow, Kubernetes, Redis, FastAPI.
Для поиска ближайших соседей (ANN): Qdrant/OpenSearch или аналоги.
Будет плюсом
Опыт работы с музыкальными рекомендациями.
Опыт работы с распределенными вычислениями и большими данными.
