Výzkumník strojového učení pro vyhledávání

Internetové vyhledávání je technologicky pokročilá mašinerie, který zahrnuje použití strojového učení v mnoha svých komponentách – od počítání relevance dotazu a webové stránky, přes řazení výsledků či kvantifikaci zpětné vazby uživatelů, až po základní zpracování a pochopení obsahu webových stránek.

Náš pražský výzkumný tým se právě těmito aplikacemi zabývá. Vyvíjíme prototypy modelů v Pythonu, našimi každodenními nástroji jsou PyTorch, PySpark, CatBoost, Docker, K8 (mimo jiné). Máme spoustu dat a další si neustále vytváříme (manuálně či automaticky), v závislosti na potřebách projektu. Disponujeme silnou flotilou vlastního hardwaru (GPU clustery, Hadoop), takže nedostatek výpočetní kapacity není naší starostí.

Kromě plně industriálního zaměření jsme aktivní i v publikační činnosti (z nedávné doby můžeme zmínit: CWRCzech: 100M Query-Document Czech Click Dataset and Its Application to Web Relevance Ranking a Some Like It Small: Czech Semantic Embedding Models for Industry Applications), návštěvách konferencí a snažíme se věnovat čas také sebevzdělávání a neformálním týmovým stmelovacím aktivitám (fotbálek, discgolf nebo třeba deskovky).

Základní předpoklady

• Umíte programovat v jazyce Python a navrhovat efektivní algoritmy
• Orientujete se v problematice strojového učení
• Ovládáte základy Linuxu
• Máte praxi v oboru alespoň 1 rok

Součástí práce výzkumníka je

• Podílení se na formování zadání výzkumné úlohy a analýzy problému
• Příprava a analýza dat – Python, pandas, (Py)Spark, Polars
• Učení ML modelů – pracujeme se širokou škálou modelů od rozhodovacích lesů (XGBoost/CatBoost) až po hluboké neuronové sítě (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)