#гибрид #intern
Локация: Москва
— Обучение ML-моделей ранжирования, развитие различных механик для рекомендаций клипов.
— Корректное и полное исследование возможных методов решения поставленной задачи: они не всегда сводятся исключительно к ML-модели; существуют эффективные механики, в которых модель работает вкупе с алгоритмами:
— Написание эффективного кода на Java: помимо расчётов в офлайне наши механики работают в высоконагруженном рантайме, быстродействие которого критически важно для пользователей.
— Заведение и анализ A/B-экспериментов: это важнейший способ исследования, а также главный способ измерить эффект от своего решения.
— Знание алгоритмов и структур данных.
— Знание теории матстата и ML: например, обработка табличных и сложноструктурированных данных, градиентный бустинг, подходы и метрики задачи ранжирования, методы построения и использования эмбеддингов.
— Опыт проведения и анализа A/B-тестов.
— Опыт разработки ML-моделей для рекомендаций/поиска.
— Умение внимательно читать длинные списки.
— Опыт ООП на строготипизированных ЯП.
— Не является минусом отсутствие опыта: разработки на Java, разработки в рантайм, построения ML в рекомендательном домене.
🔥 [Подписаться на наши каналы](https://t.me/addlist/8QASR3uThEI2ZjVi) / @best_itjob / @it_rab