Мы запустили R&D-лабораторию машинного обучения, где объединяем исследовательские подходы и реальные продуктовые задачи ритейла. У нас уже сформирована первичная команда Optimization & Science Lab, которая фокусируется на на задачах оптимизации. Сейчас мы усиливаем команду Applied ML Research.
⚡ Applied ML Research
Команда для тех, кто решает самые сложные прикладные задачи, где нет готовых подходов — нужно исследовать, изобретать и проверять гипотезы. Мы ищем исследователей, которые умеют превращать эксперименты в работающие решения и понимают, как довести R&D до PoC.
Мы ищем специалистов с опытом в unsupervised- и semi-supervised-обучении, deep learning для табличных данных, экспериментальном подходе к ML.
Чем предстоит заниматься
- Решать прикладные ML-задачи повышенной сложности, где нет готовых решений — от кластеризации до нейросетей на табличных данных.
- Проводить эксперименты и обосновывать выбор подходов — от классических ML-методов до современных архитектур (TabTransformer, Active Learning, Semi-Supervised).
- Работать с большими, неполными и шумными данными, проектировать фичи, стабилизировать и валидировать сигналы.
- Проверять гипотезы и строить PoC, помогать в передаче решений в прод.
- Участвовать в развитии ML-бренда Magnit Tech — выступления, статьи, участие в отраслевых конференциях (ODS, Highload, Матемаркетинг).
Стек: python, spark, airflow, hadoop, sql, git
Что нужно, чтобы к нам присоединиться
- Опыт работы от 3х лет
- Опыт применения ML в продакшене: от постановки задачи до валидации результатов.
- Понимание продвинутых методов машинного обучения и анализа данных (кластеризация, аномалии, Active Learning, Transfer Learning).
- Умение находить и проверять гипотезы в условиях высокой неопределённости.
- Уверенное владение Python, SQL, Spark, Airflow, Git.
- Приветствуется: публикации, open-source активность, участие в индустриальных конференциях.