Стажер-математик

MoscowMachine learningJunior specialist
Yandex Research приглашает начинающего исследователя-математика на стажировку в нашу команду. Это уникальная возможность заняться практическими и теоретическими исследованиями мирового уровня, опубликовать результаты на ведущих конференциях и внести вклад в наукоемкие технологии и продукты Яндекса: например, в методы обучения на ансамблях деревьев (CatBoost), в алгоритмы ценообразования, а также балансировки спроса и предложения (Яндекс.Такси, Яндекс.Толока) и не только.
Если вы интересуетесь алгоритмами, машинным обучением и теорией игр, а также следите за последними статьями (с конференций SODA, FOCS, ACM EC, NeurIPS (NIPS), ICML, KDD и т. п.) и верите в себя как начинающего исследователя, мы будем рады пообщаться. С нашей стороны — внимание к вашим идеям, комфортный офис на Парке Культуры, продуктивная среда, дружелюбная и демократичная рабочая атмосфера.
В рамках стажировки вы будете заниматься исследованиями на стыке онлайнового машинного обучения (online machine learning) и алгоритмов динамического ценообразования (dynamic pricing). В частности, предполагается получение новых теоретических результатов в продолжение следующих статей:
  • M. Cohen et al. Feature-based dynamic pricing. In ACM EC, 2016;
  • A. Drutsa. Horizon-independent optimal pricing in repeated auctions with truthful and strategic buyers. In WWW, 2017;
  • R. P. Leme et al. Contextual search via intrinsic volumes. In FOCS, 2018.
Успешная стажировка предполагает написание статьи на одну из ведущих конференций (SODA, FOCS, ACM EC, NeurIPS, ICML).
Если вам это интересно, прочитайте перечисленные выше статьи и ответьте на несколько вопросов про них ниже в анкете.

Требования:

  • техническое образование с хорошей подготовкой в области математики и алгоритмов (высшее или незаконченное высшее — студенты старших курсов);
  • силы и желание предлагать новые алгоритмы, доказывать теоретические гарантии, касающиеся их, а также соотносить их с существующими научными публикациями;
  • высокий уровень математической культуры.

Также будет учитываться наличие следующих преимуществ (не исчерпывающий список):

  • базовые знания хотя бы в одной из следующих областей: теория игр (game theory), машинное обучение (machine learning), дизайн механизмов и теория аукционов (theory of mechanism design and auctions);
  • опыт написания научных статей;
  • опыт написания любых технических текстов на английском языке;
  • опыт работы или учебы в зарубежных университетах или исследовательских лабораториях;
  • навыки программирования на Python или С++;
  • опыт участия в международных научных конкурсах (data mining challenges), таких как Интернет-математика, KDD Cup или конкурсы на Kaggle;
  • опыт разработки и работы с большими данными (от 1 млрд записей);
  • опыт работы в команде.