Applied Scientist Intern

Firma: Rakuten Group

Lokalizacja: Różne lokalizacje w Europie (Francja, Hiszpania, Wielka Brytania, Estonia, Niemcy)

Stanowisko: Stażysta - Naukowiec Aplikowany

Założona w 1997 roku, Rakuten Group to globalna firma innowacyjna z siedzibą w Japonii, prowadząca ponad 70 różnych biznesów, w tym e-commerce, treści cyfrowe, fintech i komunikację. Zatrudniając 32 000 pracowników na całym świecie obsługujemy 1,6 miliarda członków, wspierając ludzi i społeczeństwo poprzez innowacje i przedsiębiorczość.

Rakuten Tech w Europie, będący częścią Globalnego Centrum Innowacji, działa jako regionalne centrum dla Działu Technologii, optymalizując i wspierając globalne platformy w ekosystemie Rakuten. Nasz zespół liczący ponad 130 członków w siedmiu krajach i 12 biurach obejmuje Francję (Paryż), Hiszpanię (Barcelona), Wielką Brytanię (Belfast i Londyn), Estonię (Tallinn) oraz Niemcy (Berlin). Z członkami z ponad 20 narodowości nieustannie współpracujemy nad wiodącymi innowacjami technologicznymi.

Rakuten Institute of Technology (RIT) to nasz dedykowany dział badań i innowacji skoncentrowany na Interakcjach Człowiek-Komputer, Wizji Komputerowej, Przetwarzaniu Języka Naturalnego oraz Uczeniu Maszynowym. To unikalne środowisko sprzyja naukowym badaniom i innowacjom, przyczyniając się do najnowocześniejszych technologii Rakuten.

• Przeprowadzanie wszechstronnych przeglądów literatury na temat uczenia się do rankingowania (LTR) z wieloma celami.
• Wybór i wdrażanie odpowiednich podejść do wieloobiektowego LTR w naszym repozytorium głębokiego uczenia.
• Badanie skuteczności wieloobiektowego LTR na dużych danych Rakuten.
• Współpraca z zespołem w celu analizy i interpretacji wyników eksperymentów.
• Wydobywanie istotnych informacji w celu kierowania projektowaniem nowych niestandardowych modeli rankingowych.
• Przygotowanie i złożenie artykułu naukowego podsumowującego badania i wyniki.

• Studia magisterskie 2 stopnia (lub równoważne) z zakresu Informatyki, specjalizujące się w Uczeniu Maszynowym lub pokrewnej dziedzinie.
• Biegłość w PyTorch do opracowywania modeli uczenia maszynowego.
• Znajomość systemów rekomendacji, głębokiego uczenia z danymi tabelarycznymi, przetwarzania języka naturalnego (NLProc) oraz ogólnych technik uczenia maszynowego.
• Udokumentowane doświadczenie we wdrażaniu artykułów z zakresu ML.
• Doświadczenie w używaniu Git do kontroli wersji i współpracy.
• Zainteresowanie systemami rekomendacji i wyszukiwaniem informacji.
• Silne umiejętności matematyczne i rozwiązywania problemów.
• Pełna biegłość w języku angielskim, umiejętność pracy samodzielnej i zespołowej.

• Artykuł Naukowy 1
• Artykuł Naukowy 2