Расскажи, чем ты занимаешься сейчас
Я улучшаю и обучаю модели ранжирования в международном поиске Яндекса. Мы работаем над поиском для Турции и Казахстана. Есть и большой общий домен, куда входят все остальные страны. Моя работа — обучать эти модели и выкатывать их в продакшн.
Это очень влияет на качество поиска в этих странах. Когда пользователь открывает yandex.kz, yandex.com.tr или yandex.com и вводит поисковый запрос, наши модели обрабатывают его и из огромного числа сайтов в поисковой базе выбирают 10–30 самых релевантных. Всё это должно работать быстро, отвечать на запрос пользователя и не нарушать местное законодательство, поэтому поиск — это целый мир со своими метриками, алгоритмами, подходами и ML-моделями.
И ты всегда мечтал заниматься этим?
Я вырос в Сыктывкаре — маленьком городе, где было принято делать всё своими руками, поэтому и мечта у меня была вполне рабочая. Все мои друзья детства стали автослесарями, токарями, сварщиками. Варить мне нравилось, потому что можно было создать что-то полезное и долговечное: например, в школе я сварил стоянку для велосипедов.
Родители посоветовали подать документы в Физтех-лицей. Я поступил — и окончил старшие классы уже в Долгопрудном. Затем логичным шагом стало поступление в МФТИ. Отучился на совместной с ШАДом кафедре анализа данных. После неё пришёл в Яндекс, где сначала занимался аналитикой в команде Алисы, а затем перешёл в команду международного поиска на позицию ML-разработчика, чтобы не только анализировать модели, но и обучать их.
А почему МФТИ и ШАД?
Сначала я подал документы просто потому, что туда шли мои однокурсники: все говорили, что это лучшая кафедра. Ближе к отбору я познакомился с ШАДом и убедился, что здесь классное образование именно в ML.
Меня подкупил список шадовских предметов и то, как организовано обучение: на курсах сначала дают теорию, потом простые примеры, а после — задания из реальной практики. Классно разбирать интересные задачи и при этом учиться у людей, которые решают их каждый день на работе.
Что тебе было ближе: математика или код?
Краткий ответ: да.
Я пришёл в МФТИ с уверенностью, что я скорее программист, чем математик. Больше всего мне нравились профильные предметы, где нужно было писать код. Но математику тоже пришлось полюбить. На старших курсах я познакомился с теорией вероятностей и математической статистикой. Это науки, позволяющие правильно оценивать результаты прикладных исследований. Благодаря связке математики и программирования я могу написать код, обучить модель и проинтерпретировать полученные результаты.
Это как раз то, что тебе нужно в Поиске?
Верно! Мы регулярно разрабатываем новые поисковые фичи, оцениваем профит от них и, если качество растёт, выкатываем обновления. Параллельно я занимаюсь исследованием в области экстремальной статистики. Разрабатываю современные нейросетевые модели для качественного прогнозирования вероятности редких событий, таких как наводнение или обвал фондового рынка.
Приходится придумывать что-то новое. Благодаря научной работе, кстати, в прошлом году я побывал на стажировке в Саудовской Аравии. Мой научный руководитель Игорь Родионов познакомил меня с профессором Рафаэлем Хузером из университета KAUST. Мы обсудили возможную совместную работу, и я подал документы на программу приглашённого исследователя.
У меня было место в офисе, мы с Рафаэлем встречались почти каждый день, обсуждали идеи, он направлял меня и помогал отсеивать лишнее. За второй месяц я фактически написал магистерский диплом. По выходным путешествовал по стране. Саудовская Аравия — страна, полная контрастов: университет и крупные города выглядят почти как Европа, но стоит выехать вглубь — и ты видишь, что жизнь там проще и скромнее.
Как оцениваешь свою саудовскую стажировку?
Это был классный опыт!
Стажировка помогла понять, что наука существует не только на Физтехе. Важно выбираться из привычной среды, видеть другие университеты и другие подходы.
Кроме того, стажировка дала связи — с Рафаэлем и его исследовательской группой, где около двадцати студентов. Теперь у меня есть коллеги, с которыми можно обсуждать идеи и писать совместные статьи. Ну и наконец, это сильная строчка в резюме: с таким опытом и рекомендацией Рафаэля шансы поступить на PhD за границей заметно выше.
Класс. А дай совет всем, кто раздумывает отправиться на международную стажировку
Постарайтесь узнать о них поскорее! Я сам начал интересоваться стажировками слишком поздно — только на пятом-шестом курсах. Чем раньше начнёте искать, тем больше шансов. Следите за университетскими чатами и сообществами, где публикуют объявления о похожих программах, и подавайтесь везде, где тема исследования имеет отношение к тому, чем вы занимаетесь.
Второй совет — не стоит переживать из-за языка: идеальный английский не нужен. Гораздо важнее иметь реальные результаты в своей области. На стажировки обычно берут тех, кто уже попробовал себя в исследованиях и может представить конкретные наработки.
Поэтому рекомендую заниматься наукой уже сейчас: ищите экспертов, участвуйте в их проектах, публикуйтесь, просите рекомендации. Тогда за границей у вас будет и опыт, и связи, и уверенность в том, что вы получаете максимум пользы для себя.
А ты сам дальше куда — в науку или в прикладное IT?
А я хочу совместить! Хочется получать прикладные результаты, решающие реальные задачи, но чтобы за ними стояла прочная теоретическая база. Для этого нужно и новые методы разрабатывать, и теорией заниматься. Так что я вижу себя именно на пересечении науки и индустрии.
Быстрый вопрос: дай совет себе в прошлое
Когда работаешь системно, знания становятся глубже и не приходится тратить время, чтобы всё вспоминать, когда тебе это требуется.
Отлично. А о чём мечтаешь сейчас?
Я стараюсь осторожно относиться к мечтам: маленькие быстро сбываются — и наступает кризис, большие не сбываются — и тоже кризис. Поэтому ставлю реалистичные цели.
В идеале я хотел бы создать модель, которая сможет предсказывать экстремальные случайные величины без вспомогательных инструментов. Моя научная работа этому и посвящена. Сейчас у меня уже есть достаточно гибкая статистическая модель, где параметры оптимизируются с помощью машинного обучения. Но у неё ещё остаётся ряд ограничений, и моя цель — постепенно их снять и приблизиться к более универсальному решению.
Последний вопрос. Какой главный навык стоит развивать, чтобы построить карьеру в ML?
Любознательность. Нужно постоянно следить за новыми исследованиями: знания быстро устаревают. Заставить себя невозможно, важно искренне хотеть разбираться. Всё остальное — трудолюбие и дисциплина — приложится.