Персональные рекомендации — изюминка Яндекс.Музыки. Под капотом у нас машинное обучение (да-да, тот самый MatrixNet) и методы коллаборативной фильтрации (SVD, IALS). Мы обрабатываем терабайты данных (миллионы пользователей и десятки миллионов прослушиваний ежедневно), чтобы каждый день радовать слушателей давно любимой музыкой и открывать для них новых исполнителей. При этом алгоритмы Яндекс.Радио почти мгновенно дообучаются в зависимости от того, как пользователь реагирует на рекомендованные треки, и подстраиваются под его настроение. Наши сервисы рекомендаций работают под нагрузкой 24/7 и представляют собой систему из цепочки компонентов, постоянно обменивающихся данными онлайн, и сопряженных офлайновых процессов, работающими в фоновом режиме. Отказ одного из компонентов не должен приводить к отказу всей системы.   Для поддержки и развития этой системы группа разработки рекомендательных продуктов Медиасервисов ищет опытных разработчиков, интересующихся машинным обучением, которые могут писать надежный и высокоэффективный продакшн-код.   ====Требования:

• уверенное знание Java;
• базовые знания С++ и Python;
• алгоритмическая подготовка;
• базовые знания SQL;
• интерес к машинному обучению и желание расти в этой области.