Výzkumník pro strojové učení (m/ž)

Ve výzkumu řešíme širokou škálu úloh pro Seznam vyhledávání z oblasti strojového učení, zejména zpracování webových stránek, obrazu, textu či uživatelského chování. Jelikož jsme zavedená firma se spoustou uživatelů, máme tak k dispozici velké množství různorodých dat, jejichž kvalitu zaručuje tým Bussiness Inteligence. Jako výzkum řešíme projekt od samého nápadu a formování zadání, přes přípravu dat a návrh hlavních metrik až po spolupráci na nasazení. Modely učíme na našich dedikovaných serverech s grafickými kartami pro větší výpočty. Udržování si přehledu v aktuálních trendech je nedílnou součástí naší práce, proto klademe velký důraz na vzdělávání ať už samostudiem nebo v pravidelných organizovaných reading groups. Výzkumníci mají možnost vycestovat na konferenci či přednášet na univerzitách.

Představení týmu

Náš tým pracuje na širokém spektru problémů týkající se zejména vyhledání na webu, které typicky řešíme pomocí state-of-the-art algoritmů strojového učení. Jedním z největších projektů našeho týmu bylo rozšíření tradičního termového hledání o vektorovou větev, ve které se dotaz a dokument neporovnávají pouze na základě lexikální shody, ale shody sémantické. K tomu využíváme velké jazykové modely trénované na našem GPU clusteru na datech anotovaných našimi anotátory. O našem přístupu se můžete dočíst na rootu, našem blogu, našem článku prezentovaném na konferenci IAAI, či přednášce na MLPrague. Kromě práce samotné se snažíme být prospěšní komunitě, o čemž, kromě samotných přednášek a článků, svědčí i vydání našeho jazykovéhomodelu Small-E-Czech a anotaných dat v datasetu DaReCzech. Aktuálně náš tým věnuje úsilí projektu Featured Snippets, kde je cílem nabízet uživatelům odpovědi na jejich otázky přímo ve výsledcích vyhledávání.

Základní předpoklady

• Umíte programovat v jazyce Python a navrhovat efektivní algoritmy
• Orientujete se v problematice strojového učení
• Ovládáte základy Linuxu

Součástí práce výzkumníka je

• Podílení se na formování zadání výzkumné úlohy a analýzy problému
• Příprava a analýza dat – Python, pandas, (Py)Spark
• Učení ML modelů – pracujeme se širokou škálou modelů od těch jednodušších jako je třeba logistická regrese (Vowpal Wabbit) přes rozhodovací lesy (XGBoost/CatBoost) až po hluboké neuronové sítě (TensorFlow/PyTorch)
• Aplikace state-of-the-art metod pro zpracování jazyka a obrazu
• Týmová spolupráce při řešení problému a tvorbě kódu – Git, code review
• Vyhodnocení navržených řešení, interpretace a prezentace výsledků
• Předávání modelů a kódu do produkce např. pomocí Docker containerů

Co nabízíme

• Zajímavou a rozmanitou práci, řešení netriviálních problémů
• Velká data, možnost anotací 
• Vyrábíme prototypy pro řešení těžkých problémů,
• Dostáváme věci do produkce, přímý dopad na miliony uživatelů,
• Vlastní výkonné servery, dedikovaná výpočetní kapacita
• Sdílení znalostí a zkušeností napříč Seznamem
• Osobní rozvoj – vzdělávání, reading groups a konference (v případě zájmu i veřejné přednášky na univerzitách a akcích)
• Super kolektiv a neformální a přátelské prostředí – všichni si tady tykáme a nemáme předepsaný dress code
• Možnost HO (až 3 dny v týdnu)