О компании Tripadvisor
Группа Tripadvisor соединяет людей с впечатлениями, которые стоит разделить, и стремится стать самым надежным источником информации о путешествиях и впечатлениях в мире. Мы используем наши бренды, технологии и возможности, чтобы связывать нашу глобальную аудиторию с партнерами через насыщенный контент, рекомендации по путешествиям и двусторонние маркетплейсы для впечатлений, проживания, ресторанов и других категорий путешествий. Дочерние компании Tripadvisor, Inc. (Nasdaq: TRIP) включают портфель туристических брендов и бизнесов, включая Tripadvisor, Viator и TheFork.
О роли
В качестве ведущего научного сотрудника по машинному обучению вы будете техническим якорем для нашего основного движка поиска. Вы будете руководить стратегией и реализацией машинного обучения, которая определяет, как миллионы пользователей ищут, открывают и организуют свои сложные маршруты путешествий. Это роль с высоким влиянием, которая соединяет передовые исследования в области ИИ и инженерные решения промышленного уровня, напрямую влияя на многозадачные бизнес-результаты, такие как вовлеченность пользователей, конверсия бронирований и т.д.
Вам предстоит решать сложные, неоднозначные задачи на пересечении глубокого многозадачного ранжирования, последовательного моделирования пользователей и графовых рекомендаций для путешествий. Если вы увлечены созданием передовых систем ИИ и наставничеством высокоэффективной команды ученых, эта роль для вас.
Что вы будете делать
•Техническое руководство и реализация: Определять техническую дорожную карту для систем поиска, извлечения, ранжирования и рекомендаций в вертикали Trips. Переводить высокоуровневые бизнес-цели в конкретные архитектуры машинного обучения и масштабируемые производственные системы.
•Инновации в алгоритмах: Проектировать, прототипировать и масштабировать модели рекомендаций и ранжирования следующего поколения. Решать сложные, нелинейные путешествия, используя последовательные рекомендательные системы, обучение представлений и глубокие многозадачные фреймворки.
•Архитектура системы и масштабируемость: Контролировать развертывание низколатентных, высокопроизводительных конвейеров извлечения и ранжирования (например, многоступенчатое извлечение, векторный поиск), способных обрабатывать миллиарды точек данных о путешествиях (отзывы, фотографии, бронирования, намерения пользователей) в реальном времени.
•Межфункциональное сотрудничество: Тесно сотрудничать с менеджерами продуктов, техническими руководителями и коллегами из Data Science для одновременной оптимизации многозадачных бизнес-целей. Быть основным техническим авторитетом по инициативам машинного обучения в вертикали Trips.
•Умножение талантов: Наставлять и обучать старших и средних специалистов по машинному обучению. Формировать культуру технического совершенства, продвигая лучшие практики MLOps, строгого A/B тестирования, защиты данных и качества кода.
Навыки и опыт
•Образование: Докторская или магистерская степень в области компьютерных наук, машинного обучения, статистики или в высококвантитативной области.
•Опыт: Более 8 лет промышленного опыта разработки и внедрения масштабных моделей машинного обучения в производственной среде с доказанным опытом выпуска систем для миллионов активных пользователей.
•Основная техническая экспертиза: Глубокие теоретические и практические знания в следующих областях:
•Современные методы извлечения и ранжирования: практический опыт с многозадачным обучением (MTL), Multi-gate Mixture-of-Experts (MMoE) или аналогичными архитектурами, оптимизированными для многозадачной оптимизации.
•Последовательное и временное моделирование: практический опыт создания последовательных рекомендательных систем, которые учитывают динамику пользовательских сессий в реальном времени и долгосрочные исторические предпочтения.
•Продвинутое обучение представлений: глубокое понимание генерации эмбеддингов, глубокого семантического извлечения и мультимодального обучения представлений.
•Технический стек: отличное владение Python и фреймворками глубокого обучения (TensorFlow, PyTorch), а также практический опыт распределенных вычислений (Spark, Ray) и облачной инфраструктуры (AWS/GCP).
Желательно
•Графовые нейронные сети (GNN): сильный опыт применения GNN, графов знаний или графовых эмбеддингов для отображения сложных отношений между сущностями путешествий (например, пользователи, направления, маршруты, достопримечательности).
•Agentic AI и генеративный ИИ: знакомство с фреймворками Agentic AI, рассуждениями на основе больших языковых моделей (LLM) или автономными планирующими агентами для улучшения разговорного поиска и автоматической генерации маршрутов.
•Опыт работы в электронной коммерции, туристических технологиях или двусторонних маркетплейсах, особенно с нелинейными пользовательскими путями и сильно ограниченным инвентарем (например, доступность отелей, расписание туров).
•Сильный послужной список академических или промышленных достижений, включая публикации на ведущих конференциях по ИИ/информационному поиску (например, SIGIR, KDD, RecSys, NeurIPS) или вклад в открытые проекты ML.
Что мы предлагаем
•Конкурентоспособные пакеты вознаграждения (регулярно сравниваемые с последними данными отрасли), включая базовую зарплату и ежегодные бонусы
•«Работайте по-своему» с гибкостью, подходящей вашему образу жизни. Группа Tripadvisor придерживается удаленного подхода к сотрудничеству в глобальной команде с возможностью приходить в офис так часто, как вы хотите или как требует ваша команда.
•Гибкий график. Баланс между работой и личной жизнью заложен в нашей культуре по замыслу. Доверие и ответственность делают это возможным.
•Сопоставление пожертвований — мы ежегодно сопоставляем квалифицированные благотворительные пожертвования.
•Помощь в обучении — предоставляем ежегодную поддержку для квалифицированных программ.
•Лайфстайл-бенефит — ежегодное пособие для себя, на путешествия, здоровье или что угодно по вашему выбору.
•Путешествия с привилегиями — скидки и многое другое.
•Программа поддержки сотрудников — ресурсы и программы, чтобы помочь справиться с жизненными трудностями.
•Медицинское страхование — отличное покрытие и конкурентоспособные страховые взносы.
•Щедрая программа рекомендаций за успешные рекомендации кандидатов.
Наши культурные столпы
Путешественник прежде всего — мы существуем, чтобы создавать ценность для нашего клиента — путешественника. Мы помогаем нашим поставщикам и партнерам раскрывать эту ценность. Их коллективное поведение и инсайты — это то, что движет нами.
Исполнение — наше преимущество — мы действуем быстро, экспериментируем, учимся на ошибках, итеративно улучшаем решения завтрашнего дня во всех аспектах нашего бизнеса. Наше исполнение гибкое, основанное на данных, приоритетное и масштабируемое. Мы не считаем, что какая-либо проблема — это проблема другого, и завершаем то, что можно сделать сегодня, зная, что завтра принесет новые вызовы.
Мы добиваемся успеха вместе — лучшие результаты достигаются благодаря эмпатичным, скромным и разнообразным экспертам, работающим над общими целями. Мы неустанно сотрудничаем, ставим под сомнение предположения, даем конструктивную обратную связь и создаем условия для успеха через уполномоченные команды с четким мандатом. Мы прозрачно берем на себя ответственность за наш рост, индивидуально и как команда. Мы празднуем качество наших усилий, наши уроки и коллективные достижения.
